論文の概要: DEEMD: Drug Efficacy Estimation against SARS-CoV-2 based on cell
Morphology with Deep multiple instance learning
- arxiv url: http://arxiv.org/abs/2105.05758v1
- Date: Mon, 10 May 2021 20:38:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-14 02:57:15.641510
- Title: DEEMD: Drug Efficacy Estimation against SARS-CoV-2 based on cell
Morphology with Deep multiple instance learning
- Title（参考訳）: 深層マルチインスタンス学習による細胞形態に基づくsars-cov-2に対する薬効評価
- Authors: M.Sadegh Saberian, Kathleen P. Moriarty, Andrea D. Olmstead, Ivan R.
Nabi, Fran\c{c}ois Jean, Maxwell W. Libbrecht, Ghassan Hamarneh
- Abstract要約: sars-cov-2に対する臨床応用に有効な化合物の同定を促進する。
deemdは、複数のインスタンス学習フレームワークでディープニューラルネットワークモデルを使用する計算パイプラインである。
DEEMDはRemdesivirやAloxistatinなどのSARS-CoV-2阻害剤を同定し、我々のアプローチの有効性を裏付ける。
- 参考スコア（独自算出の注目度）: 8.716655008588361
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Drug repurposing can accelerate the identification of effective compounds for
clinical use against SARS-CoV-2, with the advantage of pre-existing clinical
safety data and an established supply chain. RNA viruses such as SARS-CoV-2
manipulate cellular pathways and induce reorganization of subcellular
structures to support their life cycle. These morphological changes can be
quantified using bioimaging techniques. In this work, we developed DEEMD: a
computational pipeline using deep neural network models within a multiple
instance learning (MIL) framework, to identify putative treatments effective
against SARS-CoV-2 based on morphological analysis of the publicly available
RxRx19a dataset. This dataset consists of fluorescence microscopy images of
SARS-CoV-2 non-infected cells and infected cells, with and without drug
treatment. DEEMD first extracts discriminative morphological features to
generate cell morphological profiles from the non-infected and infected cells.
These morphological profiles are then used in a statistical model to estimate
the applied treatment efficacy on infected cells based on similarities to
non-infected cells. DEEMD is capable of localizing infected cells via weak
supervision without any expensive pixel-level annotations. DEEMD identifies
known SARS-CoV-2 inhibitors, such as Remdesivir and Aloxistatin, supporting the
validity of our approach. DEEMD is scalable to process and screen thousands of
treatments in parallel and can be explored for other emerging viruses and
datasets to rapidly identify candidate antiviral treatments in the future.
- Abstract（参考訳）: 薬物再精製はSARS-CoV-2に対する有効化合物の同定を加速し、既存の臨床安全データと確立されたサプライチェーンの利点を生かす。
SARS-CoV-2のようなRNAウイルスは細胞経路を操作し、そのライフサイクルを支えるために細胞内構造を再編成する。
これらの形態変化はバイオイメージング技術を用いて定量化することができる。
本研究では、複数のインスタンス学習(MIL)フレームワーク内でディープニューラルネットワークモデルを用いた計算パイプラインDEMDを開発し、公開されているRxRx19aデータセットの形態解析に基づいて、SARS-CoV-2に対して有効な仮定的処理を同定した。
このデータセットは、SARS-CoV-2非感染細胞と感染細胞の蛍光顕微鏡画像と、薬物治療の有無による。
deemdはまず識別的形態学的特徴を抽出し、非感染細胞および感染細胞から細胞形態学的プロファイルを生成する。
これらの形態学的プロファイルは、非感染細胞との類似性に基づいて、感染した細胞に対する治療効果を推定するために統計モデルで使用される。
DEEMDは、高価なピクセルレベルのアノテーションを使わずに、弱い監視によって感染した細胞をローカライズすることができる。
DEEMDはRemdesivirやAloxistatinなどのSARS-CoV-2阻害剤を同定し、我々のアプローチの有効性を裏付ける。
DEEMDは何千もの治療法を並列に処理し、スクリーニングするスケーラブルで、他の新興ウイルスやデータセットを探索して、将来的には候補となる抗ウイルス治療を迅速に特定することができる。
関連論文リスト
- Estimating the Causal Effects of T Cell Receptors [20.01390828400336]
患者に対するT細胞受容体配列の因果的影響を推測する手法を提案する。
我々のアプローチは、患者の環境や生活史など、保存されていない共同設立者に対して正当である。
デモでは、TCRが新型コロナウイルスの重症度に与える影響を分析するために使用します。
論文 参考訳（メタデータ） (2024-10-18T02:45:14Z) - Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence
Classification [109.81283748940696]
我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。
シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
論文 参考訳（メタデータ） (2022-07-18T19:16:56Z) - COVID-Net Biochem: An Explainability-driven Framework to Building
Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19
Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。
この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文 参考訳（メタデータ） (2022-04-24T07:38:37Z) - Using Deep Learning Sequence Models to Identify SARS-CoV-2 Divergence [1.9573380763700707]
SARS-CoV-2は上層呼吸器系RNAウイルスで、2021年5月時点で300万人以上が死亡し、全世界で1億5000万人以上が感染している。
本稿では、繰り返しおよび畳み込み単位を利用してスパイクタンパク質のアミノ酸配列を取り込み、対応するクレードを分類するニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2021-11-12T07:52:11Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。
また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文 参考訳（メタデータ） (2021-08-07T15:08:15Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Machine-Learning Driven Drug Repurposing for COVID-19 [0.47791962198275073]
ニューラルネットワークモデルを用いてウイルスタンパク質と抗ウイルス療法の関連性を明らかにすることを目的とする。
我々は、ウイルスタンパク質配列を入力として、抗ウイルス剤を出力として、ANNモデルを訓練した。
SARS-CoV-2の配列を訓練されたモデルへの入力として使用すると、COVID-19の治療のための暫定的な安全なヒトの抗ウイルス候補が生成される。
論文 参考訳（メタデータ） (2020-06-25T21:18:53Z) - Gaining Insight into SARS-CoV-2 Infection and COVID-19 Severity Using
Self-supervised Edge Features and Graph Neural Networks [8.980876474818153]
深層学習を用いてSARS-CoV-2感染の生物学と新型コロナウイルスの重症度を研究する。
本稿では,グラフ注意ネットワーク(GAT)上に構築され,自己教師付き学習を用いてエッジ機能を生成し,これらのエッジ機能をSet Transformer経由で取り込み,そのモデルを提案する。
我々は,SARS-CoV-2感染肺オルガノイドと気管支肺胞洗浄液サンプルの単細胞RNAシークエンシングデータセットに本モデルを適用した。
論文 参考訳（メタデータ） (2020-06-23T13:22:16Z) - Continuous Learning and Inference of Individual Probability of
SARS-CoV-2 Infection Based on Interaction Data [0.0]
本研究は,SARS-CoV-2ウイルスの非感染性キャリアーの確率を,対話型連続学習と,感染性ランキングのための個別確率推定(CLIIP)を用いて決定する新しい手法を提案する。
従来の接触追跡法と比較して,非血縁性ウイルスキャリアーの探索に必要なスクリーニングと検疫を最大94%削減する。
論文 参考訳（メタデータ） (2020-06-08T14:52:04Z) - COVID-Net S: Towards computer-aided severity assessment via training and
validation of deep neural networks for geographic extent and opacity extent
scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。
本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
論文 参考訳（メタデータ） (2020-05-26T16:33:52Z)
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。