Fugu-MT 論文翻訳(概要): Understanding Human Innate Immune System Dependencies using Graph Neural Networks

論文の概要: Understanding Human Innate Immune System Dependencies using Graph Neural Networks

arxiv url: http://arxiv.org/abs/2108.02872v1
Date: Thu, 5 Aug 2021 22:30:47 GMT
ステータス: 処理完了
システム内更新日: 2021-08-10 00:29:56.484194
Title: Understanding Human Innate Immune System Dependencies using Graph Neural Networks
Title（参考訳）: グラフニューラルネットワークを用いた自然免疫系依存性の理解
Authors: Shagufta Henna
Abstract要約: パターン認識受容体(PRR)間の相互作用を利用して各PRRの活性化要求を予測するグラフニューラルネットワークモデルを提案する。その結果、IFNsのアクティベーション予測精度は90%であり、フィードフォワードニューラルネットワークでは85%であった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Since the rapid outbreak of Covid-19 and with no approved vaccines to date, profound research interest has emerged to understand the innate immune response to viruses. This understanding can help to inhibit virus replication, prolong adaptive immune response, accelerated virus clearance, and tissue recovery, a key milestone to propose a vaccine to combat coronaviruses (CoVs), e.g., Covid-19. Although an innate immune system triggers inflammatory responses against CoVs upon recognition of viruses, however, a vaccine is the ultimate protection against CoV spread. The development of this vaccine is time-consuming and requires a deep understanding of the innate immune response system. In this work, we propose a graph neural network-based model that exploits the interactions between pattern recognition receptors (PRRs), i.e., the human immune response system. These interactions can help to recognize pathogen-associated molecular patterns (PAMPs) to predict the activation requirements of each PRR. The immune response information of each PRR is derived from combining its historical PAMPs activation coupled with the modeled effect on the same from PRRs in its neighborhood. On one hand, this work can help to understand how long Covid-19 can confer immunity where a strong immune response means people already been infected can safely return to work. On the other hand, this GNN-based understanding can also abode well for vaccine development efforts. Our proposal has been evaluated using CoVs immune response dataset, with results showing an average IFNs activation prediction accuracy of 90%, compared to 85% using feed-forward neural networks.
Abstract（参考訳）: コビッドウイルスの急激な流行と、これまでに承認されたワクチンがないことから、ウイルスに対する自然免疫反応を理解することへの深い研究の関心が高まっている。この理解は、ウイルスの複製、長期間の適応免疫応答、ウイルスのクリアランスの促進、組織回復を阻害するのに役立つ。自然免疫系はウイルスの認識によってCoVに対する炎症反応を引き起こすが、ワクチンはCoVの拡散に対する究極の防御である。このワクチンの開発には時間がかかり、自然免疫応答系の深い理解が必要である。本研究では、パターン認識受容体(prr)、すなわちヒト免疫応答系間の相互作用を利用したグラフニューラルネットワークに基づくモデルを提案する。これらの相互作用は病原体関連分子パターン(PAMP)を認識し、それぞれのPRRの活性化要求を予測するのに役立つ。それぞれのPRRの免疫応答情報は、その近隣のPRRからモデル化された効果と結合した歴史的なPAMPの活性化から導かれる。一方、この研究はCovid-19が強い免疫反応によって感染した人が安全に仕事に復帰できる免疫をどれだけ長く提供できるかを理解するのに役立つ。一方、このGNNベースの理解はワクチン開発にも有効である。提案手法はCoVs免疫応答データセットを用いて評価され, 平均IFNs活性化予測精度は90%, フィードフォワードニューラルネットワークでは85%であった。

関連論文リスト

Immunogenicity Prediction with Dual Attention Enables Vaccine Target Selection [6.949493332885247]
ProVaccineは、タンパク質配列と構造を潜在ベクトル表現に統合する、新しいディープラーニングソリューションである。現在までに最も包括的な免疫原性データセットをコンパイルし、細菌、ウイルス、腫瘍から9,500以上の抗原配列、構造、および免疫原性ラベルを含む。私たちの研究はワクチン設計に有効なツールを提供し、将来の研究に有用なベンチマークを設定します。
論文参考訳（メタデータ） (2024-10-03T16:33:35Z)
Opponent Shaping for Antibody Development [49.26728828005039]
抗ウイルス療法は通常、ウイルスの現在の株のみを標的とするように設計されている。治療によって誘導される選択的圧力はウイルスに作用し、変異株の出現を誘導し、初期治療が効果を低下させる。我々は、ウイルスの進化的脱出の遺伝的シミュレーションを実装するために、抗体とウイルス抗原の結合の計算モデルを構築した。
論文参考訳（メタデータ） (2024-09-16T14:56:27Z)
Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
論文参考訳（メタデータ） (2023-04-24T08:17:16Z)
Graph Adversarial Immunization for Certifiable Robustness [63.58739705845775]
グラフニューラルネットワーク(GNN)は敵の攻撃に対して脆弱である。既存の防衛は、敵の訓練やモデル修正の開発に重点を置いている。本稿では,グラフ構造の一部を接種するグラフ対人免疫法を提案し,定式化する。
論文参考訳（メタデータ） (2023-02-16T03:18:43Z)
Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-12-16T13:57:41Z)
Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。医師は新型ワクチンよりもワクチンの有効性を懸念している。看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文参考訳（メタデータ） (2022-09-11T14:22:16Z)
Anti-virus Autobots: Predicting More Infectious Virus Variants for Pandemic Prevention through Deep Learning [0.0]
より感染性のウイルスの変異は、そのタンパク質の急激な突然変異によって生じる可能性がある。これらの変異体は免疫系を回避し、ワクチンの効果を低下させる。提案するOptimus PPImeは、既存のウイルスの今後、より感染的な変異を予測するためのディープラーニングアプローチである。
論文参考訳（メタデータ） (2022-05-30T05:04:40Z)
Reducing COVID-19 Cases and Deaths by Applying Blockchain in Vaccination Rollout Management [2.0154553201329715]
我々は、ワクチン配布のためのブロックチェーンに基づく信頼性が高く信頼性の高い管理システムをモデル化する。提案システムは,最も要求の多いシナリオで最大250万件,50万件の死者を削減できることを示す。
論文参考訳（メタデータ） (2022-01-27T18:31:41Z)
Modeling the effect of the vaccination campaign on the Covid-19 pandemic [0.0]
予防接種キャンペーン中にコビッドウイルスの流行を予測できる数学的モデルであるSAIVRを紹介した。このモデルは、半教師付き機械学習手法を用いて推定されるいくつかのパラメータと初期条件を含む。これらの結果から, 日中感染率, ワクチン有効性, および, 広範囲の社会的ワクチン依存度, デンタルレベルにおいて, パンデミックの経時的変化について広範な研究を行った。
論文参考訳（メタデータ） (2021-08-27T19:12:13Z)
Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文参考訳（メタデータ） (2020-10-10T19:33:53Z)
Quarantines as a Targeted Immunization Strategy [26.562338722051866]
高次ノードの免疫は効率よく免疫を保証できることを示す。我々は,最小限の個体数に感染しながら,グラフを免疫することを目的とした開封戦略を提案する。
論文参考訳（メタデータ） (2020-08-19T04:57:42Z)

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。