論文の概要: Maximum n-times Coverage for COVID-19 Vaccine Design

• arxiv url: http://arxiv.org/abs/2101.10902v1
• Date: Sun, 24 Jan 2021 22:20:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-16 09:09:35.678721
• Title: Maximum n-times Coverage for COVID-19 Vaccine Design
• Title（参考訳）: 新型コロナウイルスワクチン設計のための最大n時間カバー
• Authors: Ge Liu, Brandon Carter, David Gifford
• Abstract要約: 我々は、機械学習によって定義された候補ペプチドセットを使用して、最大$ n$-timesカバレッジとしてCOVID-19のためのペプチドワクチンの設計をフレームします。 本ソリューションは、予測された人口カバレッジと各個人のHLA分子によって表示されるペプチドの予想数において、他の29の新型コロナウイルスペプチドワクチン設計よりも優れていることを示しています。
• 参考スコア（独自算出の注目度）: 4.07952189324476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the maximum $n$-times coverage problem, we are provided a set of elements, a weight for each element, and a set of overlays where each overlay specifies an element specific coverage of zero or more times. The goal is to select up to $k$ overlays such that the sum of the weights of elements that are covered at least $n$ times is maximized. We also define the min-cost $n$-times coverage problem where the objective is to select the minimum set of overlays such that the sum of the weights of elements that are covered at least $n$ times is at least $\tau$. We show that the $n$-times coverage objective is not submodular, and we present an efficient solution by sequential greedy optimization. We frame the design of a peptide vaccine for COVID-19 as maximum $n$-times coverage using machine learning defined candidate peptide sets, and show that our solution is superior to 29 other published COVID-19 peptide vaccine designs in predicted population coverage and the expected number of peptides displayed by each individual's HLA molecules.
• Abstract（参考訳）: 最大$n$-timesカバレッジ問題では、要素のセット、各要素の重み、および各オーバーレイが0以上の要素固有のカバレッジを指定するオーバーレイのセットが提供されます。 目標は、最大で$k$のオーバーレイを選択し、少なくとも$n$の回数をカバーする要素の重みの合計を最大化することである。 我々はまた、最小コスト$n$-timesカバレッジ問題を定義し、目的は、少なくとも$n$時間をカバーする要素の重みの合計が少なくとも$\tau$であるように、オーバーレイの最小セットを選択することである。 n$-times のカバレッジ目標がサブモジュラーではないことを示し,逐次 greedy 最適化による効率的なソリューションを提案する。 我々は、新型コロナウイルス(covid-19)に対するペプチドワクチンの設計を、機械学習で定義された候補ペプチドセットを用いて、最大n$-timesカバレッジとして構成し、予測された人口範囲と各hla分子で示されるペプチド数において、29の他の新型コロナウイルスワクチンワクチン設計よりも優れていることを示した。

関連論文リスト

• Leverage Score Sampling for Tensor Product Matrices in Input Sparsity Time [54.65688986250061]
  我々は,$q$-foldカラムワイドテンソル積の$q$行列に対応するグラム行列を近似するための入力空間時間サンプリングアルゴリズムを提案する。 我々のサンプリング技術は、合計時間でデータセット$X$に同時に適用できる$q$部分相関ランダムプロジェクションのコレクションに依存している。
  論文  参考訳（メタデータ） (2022-02-09T15:26:03Z)
• A Robust Phased Elimination Algorithm for Corruption-Tolerant Gaussian Process Bandits [118.22458816174144]
  そこで本稿では,エポックで動作するロバストな除去型アルゴリズムを提案し,探索と頻繁な切替を併用して,小さなアクションサブセットを選択し,各アクションを複数タイミングで実行する。 我々のアルゴリズムであるGP Robust Phased Elimination (RGP-PE) は、探索とエクスプロイトによる汚職に対するロバストネスのバランスに成功している。 GPバンディット設定におけるロバスト性の最初の実証的研究を行い,アルゴリズムが様々な敵攻撃に対してロバストであることを示す。
  論文  参考訳（メタデータ） (2022-02-03T21:19:36Z)
• Coresets for Time Series Clustering [33.801060211529354]
  本稿では,時系列データを用いたクラスタリング問題に対するコアセット構築の問題について検討する。 我々の主な貢献は混合モデルのためのコアセットを構築するアルゴリズムである。 合成データを用いて,コアセットの性能を実証的に評価した。
  論文  参考訳（メタデータ） (2021-10-28T16:21:13Z)
• Joint Majorization-Minimization for Nonnegative Matrix Factorization with the $\beta$-divergence [3.093890460224435]
  本稿では、$beta$-divergenceの目的関数を持つ非負行列分解(NMF)に対する新しい乗法的更新を提案する。 我々の新しい更新は、各イテレーションにおいて2つの要因を結合して最小化する補助関数を構築できる、共同偏極最小化方式から導かれる。 種々のデータセット(顔画像,音声スペクトログラム,ハイパースペクトルデータ,歌曲数)を用いて実験結果を報告する。
  論文  参考訳（メタデータ） (2021-06-29T09:58:21Z)
• Stochastic Shortest Path: Minimax, Parameter-Free and Towards Horizon-Free Regret [144.6358229217845]
  エージェントが目標状態に到達する前に蓄積される期待コストを最小限に抑えるために,最短経路(ssp)設定で学習する問題について検討する。 我々は,経験的遷移を慎重に歪曲し,探索ボーナスで経験的コストを摂動する新しいモデルベースアルゴリズムEB-SSPを設計する。 私達はEB-SSPが$widetildeO(B_star sqrtS A K)$のミニマックスの後悔率を達成することを証明します。
  論文  参考訳（メタデータ） (2021-04-22T17:20:48Z)
• The Power of Subsampling in Submodular Maximization [51.629656762796564]
  このアプローチは,既存の手法よりもはるかに単純であるにもかかわらず,最適/最先端の結果をもたらすことを示す。 我々は,映像要約,位置情報要約,映画推薦タスクにおけるアルゴリズムの有効性を実証的に示す。
  論文  参考訳（メタデータ） (2021-04-06T20:25:57Z)
• Learning with User-Level Privacy [61.62978104304273]
  ユーザレベルの差分プライバシー制約下での学習課題を,アルゴリズムを用いて解析する。 個々のサンプルのプライバシーのみを保証するのではなく、ユーザレベルのdpはユーザの貢献全体を保護します。 プライバシコストが$tau$に比例した$K$適応的に選択されたクエリのシーケンスにプライベートに答えるアルゴリズムを導き出し、私たちが検討する学習タスクを解決するためにそれを適用します。
  論文  参考訳（メタデータ） (2021-02-23T18:25:13Z)
• A Multi-Arm Bandit Approach To Subset Selection Under Constraints [14.543433698096667]
  中央プランナーがエージェントのサブセットを選択する必要がある問題の種類を,それぞれ異なる品質とコストで検討する。 エージェントの品質が分かると、我々は問題を整数線形プログラム(ILP)として定式化する。 ILPの正確な解を提供する決定論的アルゴリズム(dpss)を提案する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:57Z)
• Finding Global Minima via Kernel Approximations [90.42048080064849]
  関数評価のみに基づく滑らかな関数のグローバル最小化を考える。 本稿では,近似関数を共同でモデル化し,大域的最小値を求める手法を検討する。
  論文  参考訳（メタデータ） (2020-12-22T12:59:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。