論文の概要: GraphBreak: Tool for Network Community based Regulatory Medicine, Gene
co-expression, Linkage Disequilibrium analysis, functional annotation and
more
- arxiv url: http://arxiv.org/abs/2103.06145v1
- Date: Wed, 24 Feb 2021 15:16:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 08:51:47.479128
- Title: GraphBreak: Tool for Network Community based Regulatory Medicine, Gene
co-expression, Linkage Disequilibrium analysis, functional annotation and
more
- Title(参考訳): GraphBreak:ネットワークコミュニティベースの規制医学、遺伝子共発現、リンク不均衡分析、機能アノテーションなどのためのツール
- Authors: Abhishek Narain Singh
- Abstract要約: GraphBreakは、コミュニティ検出アプリケーションのための一連のツールです。
eQTLs規制ゲノムネットワークコミュニティ研究のユースケースとして開発された。
graph-breakは、検出されたコミュニティの疾患関連に関する下流分析において、重要なユースケースを示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Graph network science is becoming increasingly popular, notably in big-data
perspective where understanding individual entities for individual functional
roles is complex and time consuming. It is likely when a set of genes are
regulated by a set of genetic variants, the genes set is recruited for a common
or related functional purpose. Grouping and extracting communities from network
of associations becomes critical to understand system complexity, thus
prioritizing genes for dis-ease and functional associations. Workload is
reduced when studying entities one at a time. For this, we present GraphBreak,
a suite of tools for community detection application, such as for gene
co-expression, protein interaction, regulation network, etc.Although developed
for use case of eQTLs regulatory genomic net-work community study -- results
shown with our analysis with sample eQTL data. Graphbreak can be deployed for
other studies if input data has been fed in requisite format, including but not
limited to gene co-expression networks, protein-protein interaction network,
signaling pathway and metabolic network. Graph-Break showed critical use case
value in its downstream analysis for disease association of communities
detected. If all independent steps of community detection and analysis are a
step-by-step sub-part of the algorithm, GraphBreak can be considered a new
algorithm for community based functional characterization. Combination of
various algorithmic implementation modules into a single script for this
purpose illustrates GraphBreak novelty. Compared to other similar tools, with
GraphBreak we can better detect communities with over-representation of its
member genes for statistical association with diseases, therefore target genes
which can be prioritized for drug-positioning or drug-re-positioning as the
case be.
- Abstract(参考訳): グラフネットワーク科学は、特に、個々の機能的役割に対する個々のエンティティの理解が複雑で時間がかかるビッグデータの観点から、ますます普及しています。
遺伝子が一組の遺伝子変異体によって制御されている場合、その遺伝子セットは共通のまたは関連する機能目的のために採用される可能性が高い。
ネットワークのネットワークからコミュニティをグループ化し、抽出することは、システムの複雑さを理解するために重要となり、解離および機能的関連のための遺伝子を優先順位付けする。
一度に1つずつエンティティを研究する場合、ワークロードは減少する。
そこで本研究では,遺伝子共発現,タンパク質相互作用,制御ネットワークなど,コミュニティ検出アプリケーションのための一連のツールであるgraphbreakを提案する。
graphbreakは、入力データが遺伝子共発現ネットワーク、タンパク質-タンパク質相互作用ネットワーク、シグナル伝達経路、代謝ネットワークなど、必要なフォーマットで供給された場合、他の研究のためにデプロイすることができる。
graph-breakは、検出されたコミュニティの疾患関連に関する下流分析において、重要なユースケースを示した。
コミュニティ検出と分析のすべての独立したステップがアルゴリズムのステップバイステップサブパートであれば、GraphBreakはコミュニティベースの機能的特徴付けのための新しいアルゴリズムと見なすことができる。
この目的のために、様々なアルゴリズムの実装モジュールを単一のスクリプトに組み合わせることで、GraphBreakの新規性を示している。
他の類似のツールと比較して、GraphBreakでは、そのメンバー遺伝子を過剰に表現して、病気と統計的に関連づけるコミュニティをよりよく検出できるため、薬物配置や薬物再配置に優先順位付けできる遺伝子をターゲットにしている。
関連論文リスト
- Exact Computation of Any-Order Shapley Interactions for Graph Neural Networks [53.10674067060148]
共有インタラクション(SI)は、複数のノード間のノードのコントリビューションとインタラクションを定量化する。
GNNアーキテクチャを利用して、ノード埋め込みにおける相互作用の構造がグラフ予測のために保存されていることを示す。
任意の順序SIを正確に計算するための効率的なアプローチであるGraphSHAP-IQを導入する。
論文 参考訳(メタデータ) (2025-01-28T13:37:44Z) - Revisiting Graph Neural Networks on Graph-level Tasks: Comprehensive Experiments, Analysis, and Improvements [54.006506479865344]
グラフレベルグラフニューラルネットワーク(GNN)のための統一評価フレームワークを提案する。
このフレームワークは、さまざまなデータセットにわたるGNNを評価するための標準化された設定を提供する。
また,表現性の向上と一般化機能を備えた新しいGNNモデルを提案する。
論文 参考訳(メタデータ) (2025-01-01T08:48:53Z) - Towards Graph Foundation Models: Learning Generalities Across Graphs via Task-Trees [50.78679002846741]
グラフにおけるクロスタスクの一般性を学習するための新しいアプローチを提案する。
グラフ上のタスク空間を整列させるための基本的な学習インスタンスとしてタスクツリーを提案する。
その結果,グラフニューラルネットワークが多種多様なタスクツリーで事前訓練された場合,伝達可能な知識を取得することが示唆された。
論文 参考訳(メタデータ) (2024-12-21T02:07:43Z) - Distributed Learning over Networks with Graph-Attention-Based
Personalization [49.90052709285814]
分散ディープラーニングのためのグラフベースパーソナライズアルゴリズム(GATTA)を提案する。
特に、各エージェントのパーソナライズされたモデルは、グローバルな部分とノード固有の部分で構成される。
グラフ内の各エージェントを1つのノードとして扱うことにより、ノード固有のパラメータを特徴として扱うことにより、グラフアテンション機構の利点を継承することができる。
論文 参考訳(メタデータ) (2023-05-22T13:48:30Z) - Koopman-based spectral clustering of directed and time-evolving graphs [0.3655021726150368]
非指向グラフのためのスペクトルクラスタリングアルゴリズムは十分に確立されており、教師なし機械学習問題にうまく適用されている。
しかし、有向グラフのクラスタ化は依然として困難であり、有向グラフのクラスタの定義は広く受け入れられていない。
ラプラシアンと転送演算子の関係を用いた有向グラフと時間進化グラフのクラスタリングアルゴリズムを導出する。
結果として得られるクラスターはコヒーレントな集合として解釈することができ、流体の輸送と混合過程の解析において重要な役割を果たす。
論文 参考訳(メタデータ) (2022-04-06T17:33:24Z) - Graph-in-Graph (GiG): Learning interpretable latent graphs in
non-Euclidean domain for biological and healthcare applications [52.65389473899139]
グラフは、医療領域において、非ユークリッドな非ユークリッドデータをユビキタスに表現し、分析するための強力なツールである。
近年の研究では、入力データサンプル間の関係を考慮すると、下流タスクに正の正の正則化効果があることが示されている。
タンパク質分類と脳イメージングのためのニューラルネットワークアーキテクチャであるGraph-in-Graph(GiG)を提案する。
論文 参考訳(メタデータ) (2022-04-01T10:01:37Z) - Unsupervised Constrained Community Detection via Self-Expressive Graph
Neural Network [17.209458751421018]
グラフニューラルネットワーク(GNN)は、ノード分類やリンク予測など、複数のグラフ下流タスクで有望なパフォーマンスを達成することができる。
伝統的に、GNNは半教師付きまたは自己教師型損失関数で訓練され、その後、クラスタリングアルゴリズムを適用してコミュニティを検出する。
我々のソリューションはエンドツーエンドでトレーニングされ、複数の公開データセット上で最先端のコミュニティ検出のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2020-11-28T07:17:30Z) - Factorizable Graph Convolutional Networks [90.59836684458905]
本稿では,グラフに符号化された相互に絡み合った関係を明示的に解消する新しいグラフ畳み込みネットワーク(GCN)を提案する。
FactorGCNは単純なグラフを入力として取り、それをいくつかの分解グラフに分解する。
提案したFacterGCNは,合成および実世界のデータセットに対して質的かつ定量的に評価する。
論文 参考訳(メタデータ) (2020-10-12T03:01:40Z) - A Graph Feature Auto-Encoder for the Prediction of Unobserved Node
Features on Biological Networks [3.132875765271743]
我々は,E. Coli とマウスにおける生物学的相互作用ネットワークの表現について,グラフニューラルネットワークを用いて検討した。
そこで我々は,機能再構築タスクに基づいて学習した,エンドツーエンドのグラフ機能自動エンコーダを提案する。
自動エンコーダはタンパク質相互作用情報を使用しない最先端の計算手法より優れていた。
論文 参考訳(メタデータ) (2020-05-08T11:23:04Z)
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。