論文の概要: Permutation-Invariant Subgraph Discovery
- arxiv url: http://arxiv.org/abs/2104.01063v1
- Date: Fri, 2 Apr 2021 14:28:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 17:28:52.628179
- Title: Permutation-Invariant Subgraph Discovery
- Title(参考訳): 置換不変部分グラフ発見
- Authors: Raghvendra Mall, Shameem A. Parambath, Han Yufei, Ting Yu and Sanjay
Chawla
- Abstract要約: PPI(Permutation and Structured Perturbation Inference)について紹介します。
PSPIは、システム生物学で発生する多くのグラフマッチングタスクを抽象化する新しい問題定式化です。
本稿では,PSPI問題の緩和版を解決するためのADMMアルゴリズム(STEPD)を提案する。
- 参考スコア(独自算出の注目度): 16.380476734531513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce Permutation and Structured Perturbation Inference (PSPI), a new
problem formulation that abstracts many graph matching tasks that arise in
systems biology. PSPI can be viewed as a robust formulation of the permutation
inference or graph matching, where the objective is to find a permutation
between two graphs under the assumption that a set of edges may have undergone
a perturbation due to an underlying cause. For example, suppose there are two
gene regulatory networks X and Y from a diseased and normal tissue
respectively. Then, the PSPI problem can be used to detect if there has been a
structural change between the two networks which can serve as a signature of
the disease. Besides the new problem formulation, we propose an ADMM algorithm
(STEPD) to solve a relaxed version of the PSPI problem. An extensive case study
on comparative gene regulatory networks (GRNs) is used to demonstrate that
STEPD is able to accurately infer structured perturbations and thus provides a
tool for computational biologists to identify novel prognostic signatures. A
spectral analysis confirms that STEPD can recover small clique-like
perturbations making it a useful tool for detecting permutation-invariant
changes in graphs.
- Abstract(参考訳): システム生物学で発生する多くのグラフマッチングタスクを抽象化した,新しい問題定式化であるpspi(permutation and structured perturbation inference)を導入する。
PSPI は置換推論やグラフマッチングの堅牢な定式化と見なすことができ、その目的は2つのグラフの間の置換を見つけることである。
例えば、疾患組織と正常組織からそれぞれ2つの遺伝子調節ネットワークXとYが存在すると仮定する。
その後、PSPI問題は、疾患の徴候として機能する2つのネットワークの間に構造的変化があるかどうかを検出するために用いられる。
新しい問題定式化に加えて,PSPI問題の緩和版を解決するためのADMMアルゴリズム(STEPD)を提案する。
比較遺伝子制御ネットワーク(GRN)に関する広範なケーススタディは、STEPDが構造的摂動を正確に推測できることを示し、計算生物学者が新しい予後の署名を識別するためのツールを提供する。
スペクトル分析により、STEPDは小さな斜め状の摂動を回復し、グラフの置換不変変化を検出するのに有用なツールであることを確認した。
関連論文リスト
- Cell Graph Transformer for Nuclei Classification [78.47566396839628]
我々は,ノードとエッジを入力トークンとして扱うセルグラフ変換器(CGT)を開発した。
不愉快な特徴は、騒々しい自己注意スコアと劣等な収束につながる可能性がある。
グラフ畳み込みネットワーク(GCN)を利用して特徴抽出器を学習する新しいトポロジ対応事前学習法を提案する。
論文 参考訳(メタデータ) (2024-02-20T12:01:30Z) - Predicting loss-of-function impact of genetic mutations: a machine
learning approach [0.0]
本稿では,遺伝子変異の属性に基づいて機械学習モデルを学習し,LoFtoolスコアを予測することを目的とする。
これらの属性には、染色体上の突然変異の位置、アミノ酸の変化、変異によって引き起こされるコドンの変化が含まれていた。
モデルは, 平均2乗誤差, 平均2乗誤差, 平均2乗誤差, 平均絶対誤差, 説明分散の5倍のクロスバリデード平均を用いて評価した。
論文 参考訳(メタデータ) (2024-01-26T19:27:38Z) - Unsupervised Learning of Invariance Transformations [105.54048699217668]
近似グラフ自己同型を見つけるためのアルゴリズムフレームワークを開発する。
重み付きグラフにおける近似自己同型を見つけるために、このフレームワークをどのように利用できるかについて議論する。
論文 参考訳(メタデータ) (2023-07-24T17:03:28Z) - Discrete Graph Auto-Encoder [52.50288418639075]
離散グラフオートエンコーダ(DGAE)という新しいフレームワークを導入する。
まず、置換同変オートエンコーダを用いてグラフを離散潜在ノード表現の集合に変換する。
2番目のステップでは、離散潜在表現の集合をソートし、特別に設計された自己回帰モデルを用いてそれらの分布を学習する。
論文 参考訳(メタデータ) (2023-06-13T12:40:39Z) - Permutation-Invariant Set Autoencoders with Fixed-Size Embeddings for
Multi-Agent Learning [7.22614468437919]
置換不変集合オートエンコーダ(PISA)を導入する。
PISAは、既存のベースラインよりも大幅に低い再構成誤差でエンコードを生成する。
マルチエージェントアプリケーションでその有用性を示す。
論文 参考訳(メタデータ) (2023-02-24T18:59:13Z) - DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with
GFlowNets [81.75973217676986]
遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。
既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。
本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
論文 参考訳(メタデータ) (2023-02-08T16:36:40Z) - E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。
私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。
統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
論文 参考訳(メタデータ) (2022-03-07T17:25:02Z) - A step towards neural genome assembly [0.0]
我々はMPNNモデルを最大集約器で訓練し、グラフ単純化のためのいくつかのアルゴリズムを実行する。
アルゴリズムがうまく学習され、トレーニングで使用されるグラフの最大20倍の大きさのグラフにスケールできることを示す。
論文 参考訳(メタデータ) (2020-11-10T10:12:19Z) - Online detection of local abrupt changes in high-dimensional Gaussian
graphical models [13.554038901140949]
高次元ガウス図形モデル(GGM)における変化点をオンライン手法で同定する問題は、生物学、経済学、社会科学に新たな応用が加えられたため、興味深い。
我々は、この問題に対処する新しいテストを開発する。これは、入力データの適切な選択された部分の正規化共分散行列の$ell_infty$ノルムに基づいている。
論文 参考訳(メタデータ) (2020-03-16T00:41:34Z) - Learn to Predict Sets Using Feed-Forward Neural Networks [63.91494644881925]
本稿では、ディープフィードフォワードニューラルネットワークを用いた設定予測の課題に対処する。
未知の置換と基数を持つ集合を予測するための新しい手法を提案する。
関連視覚問題に対する集合定式化の有効性を実証する。
論文 参考訳(メタデータ) (2020-01-30T01:52:07Z)
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。