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
- 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 [59.56365488043478]
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) - Fast and Functional Structured Data Generators Rooted in
Out-of-Equilibrium Physics [62.997667081978825]
エネルギーモデルを用いて、構造化データセットで高品質なラベル特化データを生成するという課題に対処する。
伝統的な訓練方法は、マルコフ連鎖モンテカルロ混合による困難に遭遇する。
非平衡効果を利用した新しいトレーニングアルゴリズムを用いる。
論文 参考訳(メタデータ) (2023-07-13T15:08:44Z) - 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) - Tight basis cycle representatives for persistent homology of large data
sets [0.0]
永続ホモロジー(PH)はトポロジカルデータ解析の一般的なツールであり、様々な分野の研究に応用されている。
理論上は強力だが、PHは大規模データセットへの適用を妨げる高い計算コストに悩まされている。
大規模データセットにおける非自明なロバストな特徴に関する厳密な代表的境界を計算するための戦略とアルゴリズムを提供する。
論文 参考訳(メタデータ) (2022-06-06T22:00:42Z) - 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。
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。