Fugu-MT 論文翻訳(概要): Maximum n-times Coverage for COVID-19 Vaccine Design

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。