論文の概要: Predicting Gene-Disease Associations with Knowledge Graph Embeddings over Multiple Ontologies

• arxiv url: http://arxiv.org/abs/2105.04944v1
• Date: Tue, 11 May 2021 11:20:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-12 20:16:53.439885
• Title: Predicting Gene-Disease Associations with Knowledge Graph Embeddings over Multiple Ontologies
• Title（参考訳）: 複数のオントロジー上のナレッジグラフ埋め込みによる遺伝子ダイザス関連予測
• Authors: Susana Nunes, Rita T. Sousa, Catia Pesquita
• Abstract要約: オントロジーに基づく遺伝子障害関連性を予測するアプローチには、知識グラフの埋め込みが含まれる。 知識グラフ埋め込みが遺伝子・酵素関連などの複雑なタスクに与える影響について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ontology-based approaches for predicting gene-disease associations include the more classical semantic similarity methods and more recently knowledge graph embeddings. While semantic similarity is typically restricted to hierarchical relations within the ontology, knowledge graph embeddings consider their full breadth. However, embeddings are produced over a single graph and complex tasks such as gene-disease association may require additional ontologies. We investigate the impact of employing richer semantic representations that are based on more than one ontology, able to represent both genes and diseases and consider multiple kinds of relations within the ontologies. Our experiments demonstrate the value of employing knowledge graph embeddings based on random-walks and highlight the need for a closer integration of different ontologies.
• Abstract（参考訳）: オントロジーに基づく遺伝子消失関連を予測するアプローチには、より古典的な意味的類似性法や、より最近の知識グラフの埋め込みがある。 意味的類似性は通常、オントロジー内の階層的関係に制限されるが、知識グラフの埋め込みはその全幅を考慮する。 しかし、埋め込みは単一のグラフ上で生成され、ジーン・ダイザス・アソシエーションのような複雑なタスクは追加のオントロジーを必要とする。 複数のオントロジーに基づくより豊かな意味表現を用い、遺伝子と疾患の両方を表現でき、オントロジー内の複数の種類の関係を考慮できる影響について検討する。 本研究は,ランダムウォークに基づく知識グラフ埋め込みの利用価値を実証し,異なるオントロジーのより緊密な統合の必要性を強調した。

関連論文リスト

• Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
  我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。 我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。 我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
  論文  参考訳（メタデータ） (2024-11-10T16:40:27Z)
• Ontological Relations from Word Embeddings [2.384873896423002]
  BERTのような一般的なニューラルモデルから得られる単語埋め込みの類似性は、それらの単語の意味の意味的類似性の形で効果的に近似することが確実に示されている。 これらの埋め込みの上に単純なフィードフォワードアーキテクチャを組み込むことで、入力データに応じて様々な一般化能力を持つ有望な精度が得られることを示す。
  論文  参考訳（メタデータ） (2024-08-01T10:31:32Z)
• The Heterophilic Graph Learning Handbook: Benchmarks, Models, Theoretical Analysis, Applications and Challenges [101.83124435649358]
  ホモフィリ原理では、同じラベルや類似属性を持つieノードが接続される可能性が高い。 最近の研究で、GNNのパフォーマンスとNNのパフォーマンスが満足できない非自明なデータセットが特定されている。
  論文  参考訳（メタデータ） (2024-07-12T18:04:32Z)
• GTP-4o: Modality-prompted Heterogeneous Graph Learning for Omni-modal Biomedical Representation [68.63955715643974]
  Omnimodal Learning(GTP-4o)のためのモダリティプロンプト不均質グラフ 我々は、Omnimodal Learning(GTP-4o)のための革新的モダリティプロンプト不均質グラフを提案する。
  論文  参考訳（メタデータ） (2024-07-08T01:06:13Z)
• Accelerating Scientific Discovery with Generative Knowledge Extraction, Graph-Based Representation, and Multimodal Intelligent Graph Reasoning [0.0]
  我々は1000の科学論文からなるデータセットを、オントロジ知識グラフに変換した。 我々はノード度を計算し、コミュニティと接続性を同定し、クラスタリング係数とピボットノード間の重心性を評価した。 グラフは本質的に無スケールの性質を持ち、高連結であり、グラフ推論に使用できる。
  論文  参考訳（メタデータ） (2024-03-18T17:30:27Z)
• Learning Complete Topology-Aware Correlations Between Relations for Inductive Link Prediction [121.65152276851619]
  関係性間の意味的相関は本質的にエッジレベルとエンティティ非依存であることを示す。 本研究では,関係関係のトポロジ・アウェア・コレレーションをモデル化するための新しいサブグラフベース手法,TACOを提案する。 RCNのポテンシャルをさらに活用するために, 完全コモンニアインダストリアルサブグラフを提案する。
  論文  参考訳（メタデータ） (2023-09-20T08:11:58Z)
• Enhancing Embedding Representations of Biomedical Data using Logic Knowledge [6.295638112781736]
  本稿では,PharmKGデータセット上の知識グラフモデルの埋め込み表現を強化するために,論理ルールを利用する。 R2Nは利用可能なロジックルールを使用して、KGE潜在表現を前提としたニューラルネットワークを構築する。 実験の結果,本手法はPharmKGデータセットの最先端性を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-23T13:38:21Z)
• Knowledge Graph Completion based on Tensor Decomposition for Disease Gene Prediction [2.838553480267889]
  疾患や遺伝子を中心とした生物学的知識グラフを構築し,疾患発生予測のためのエンドツーエンドの知識グラフ補完モデルを構築した。 KDGeneは、実体の埋め込みとテンソル分解との関係の間の相互作用モジュールを導入し、生物学的知識における情報相互作用を効果的に強化する。
  論文  参考訳（メタデータ） (2023-02-18T13:57:44Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• Heterogeneous Graph Neural Networks using Self-supervised Reciprocally Contrastive Learning [102.9138736545956]
  不均一グラフニューラルネットワーク(HGNN)は異種グラフのモデリングと解析において非常に一般的な手法である。 我々は,ノード属性とグラフトポロジの各ガイダンスに関する2つの視点を取り入れた,新規で頑健なヘテロジニアスグラフコントラスト学習手法であるHGCLを初めて開発する。 この新しいアプローチでは,属性とトポロジに関連情報を別々にマイニングする手法として,異なるが最も適した属性とトポロジの融合機構を2つの視点に適用する。
  論文  参考訳（メタデータ） (2022-04-30T12:57:02Z)
• Neural-Symbolic Relational Reasoning on Graph Models: Effective Link Inference and Computation from Knowledge Bases [0.5669790037378094]
  モデルにそのような経路を含む知識グラフの最小限のネットワークを埋め込むことにより、すべての経路を学習するニューラルネットワークのシンボリックグラフを提案する。 単語の埋め込みに対応する実体と事実の表現を学習することにより、モデルをエンドツーエンドでトレーニングし、それらの表現をデコードし、関係性アプローチでエンティティ間の関係を推論する方法を示す。
  論文  参考訳（メタデータ） (2020-05-05T22:46:39Z)

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。