Fugu-MT 論文翻訳(概要): Topological Data Analysis of COVID-19 Virus Spike Proteins

論文の概要: Topological Data Analysis of COVID-19 Virus Spike Proteins

arxiv url: http://arxiv.org/abs/2105.00351v1
Date: Sat, 1 May 2021 22:12:57 GMT
ステータス: 処理完了
システム内更新日: 2021-05-04 14:12:44.984705
Title: Topological Data Analysis of COVID-19 Virus Spike Proteins
Title（参考訳）: 新型コロナウイルスウイルススパイクタンパク質のトポロジーデータ解析
Authors: Moo K. Chung, Hernando Ombao
Abstract要約: 提案手法は,コロナウイルスのタンパク質構造のトポロジ的特徴を特徴付けるために実装された。これは永続ホモロジーにおいてコヒーレントな統計推論手順を構築するための新しい洞察を示す。
参考スコア（独自算出の注目度）: 15.18952887853044
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Topological data analysis, including persistent homology, has undergone significant development in recent years. However, due to heterogenous nature of persistent homology features that do not have one-to-one correspondence across measurements, it is still difficult to build a coherent statistical inference procedure. The paired data structure in persistent homology as birth and death events of topological features add further complexity to conducting inference. To address these current problems, we propose to analyze the birth and death events using lattice paths. The proposed lattice path method is implemented to characterize the topological features of the protein structures of corona viruses. This demonstrates new insights to building a coherent statistical inference procedure in persistent homology.
Abstract（参考訳）: 永続的ホモロジーを含む位相的データ分析は近年大きな発展を遂げている。しかし, 持続的ホモロジーの特徴が一対一の対応を持たない異種性のため, コヒーレントな統計的推論法を構築することは依然として困難である。トポロジカル特徴の生死イベントとしての永続的ホモロジーにおけるペアデータ構造は、推論の実行にさらなる複雑さをもたらす。これらの問題に対処するため,格子路を用いた生死事象の解析を提案する。提案手法は,コロナウイルスのタンパク質構造のトポロジ的特徴を特徴付けるために実装された。これは永続ホモロジーにおいてコヒーレントな統計推論手順を構築するための新しい洞察を示す。

関連論文リスト

Nonparametric independence tests in high-dimensional settings, with applications to the genetics of complex disease [55.2480439325792]
遺伝子データの支持空間における適切な事前測定構造の定義が,このような検査に新たなアプローチをもたらすことを示す。各問題に対して、数学的結果、シミュレーションおよび実データへの適用を提供する。
論文参考訳（メタデータ） (2024-07-29T01:00:53Z)
Time topological analysis of EEG using signature theory [1.124958340749622]
トポロジカルデータ分析(TDA)は、効果的な検出方式の実装に利用できる「形状」不変量の電池を提供する。信号のシグナチャからsimplicial Complexを構築する際に、citechretienleveragingで示される構成を拡張します。脳波などの脳信号の解析にツールを応用してててんかん発作の前兆現象を検出する。
論文参考訳（メタデータ） (2024-04-06T21:11:41Z)
Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文参考訳（メタデータ） (2024-03-02T00:56:05Z)
PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
論文参考訳（メタデータ） (2023-10-12T23:46:08Z)
Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文参考訳（メタデータ） (2023-07-26T02:34:57Z)
GeoPhy: Differentiable Phylogenetic Inference via Geometric Gradients of Tree Topologies [0.3263412255491401]
連続幾何学空間における位相分布のユニークな表現を利用する、系統推論の新規で完全に微分可能な定式化を導入する。実際のベンチマークデータセットを用いた実験では、GeoPhyは全トポロジーを考慮した他の近似ベイズ法よりも著しく優れていた。
論文参考訳（メタデータ） (2023-07-07T15:45:05Z)
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)
On topological data analysis for SHM; an introduction to persistent homology [0.0]
トポロジカルデータ解析における主要なツールは、永続的ホモロジーである。永続的ホモロジーは、データのホモロジー的特徴が間隔を超えてどのように持続するかの表現である。これらの結果により、トポロジカルな推論と高次元データの特徴を推定することができる。
論文参考訳（メタデータ） (2022-09-12T12:02:39Z)
On topological data analysis for structural dynamics: an introduction to persistent homology [0.0]
トポロジカル・データ分析(トポロジカル・データ・アナリティクス)は、長さのスケールでデータの形状を定量化する手法である。永続ホモロジー(Persistent homology)は、長さのスケールでデータの形状を定量化する手法である。
論文参考訳（メタデータ） (2022-09-12T10:39:38Z)
Robust Topological Inference in the Presence of Outliers [18.6112824677157]
コンパクト集合への距離関数は、位相データ解析のパラダイムにおいて重要な役割を果たす。ハウスドルフ距離における摂動に対する安定性にもかかわらず、永続ホモロジーは外れ値に対して非常に敏感である。距離関数(textsfMoM Dist$)の$textitmedian-of-means$変種を提案し、その統計特性を確立する。
論文参考訳（メタデータ） (2022-06-03T19:45:43Z)
Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文参考訳（メタデータ） (2020-07-07T21:04:55Z)

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。