Fugu-MT 論文翻訳(概要): Towards Interpreting Zoonotic Potential of Betacoronavirus Sequences With Attention

論文の概要: Towards Interpreting Zoonotic Potential of Betacoronavirus Sequences With Attention

arxiv url: http://arxiv.org/abs/2108.08077v1
Date: Wed, 18 Aug 2021 10:11:11 GMT
ステータス: 処理完了
システム内更新日: 2021-08-19 20:30:40.639296
Title: Towards Interpreting Zoonotic Potential of Betacoronavirus Sequences With Attention
Title（参考訳）: ベタコロナウイルス配列の動物学的ポテンシャルの解釈に向けて
Authors: Kahini Wadhawan and Payel Das and Barbara A. Han and Ilya R. Fischhoff and Adrian C. Castellanos and Arvind Varsani and Kush R. Varshney
Abstract要約: 注意喚起型長期記憶(LSTM)深部神経網分類器を高度に保存したウイルスタンパク質ターゲットに適用し,βコロナウイルスの動物性電位を予測する。解析と構造レベルでの注意の可視化は、動物性ベータコロナウイルスのウイルス複製を司る重要なタンパク質とタンパク質の相互作用と動物性感染との関係を示唆している。
参考スコア（独自算出の注目度）: 17.406451433347527
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Current methods for viral discovery target evolutionarily conserved proteins that accurately identify virus families but remain unable to distinguish the zoonotic potential of newly discovered viruses. Here, we apply an attention-enhanced long-short-term memory (LSTM) deep neural net classifier to a highly conserved viral protein target to predict zoonotic potential across betacoronaviruses. The classifier performs with a 94% accuracy. Analysis and visualization of attention at the sequence and structure-level features indicate possible association between important protein-protein interactions governing viral replication in zoonotic betacoronaviruses and zoonotic transmission.
Abstract（参考訳）: ウイルス発見の現在の方法は、ウイルスファミリーを正確に識別するが、新たに発見されたウイルスの動物性ポテンシャルを識別できない進化的に保存されたタンパク質である。そこで我々は,高度に保存されたウイルスタンパクターゲットに対して,注意増強型長期記憶(LSTM)ディープニューラルネット分類器を適用し,ベータコロナウイルスの動物性電位を予測する。分類器は94%の精度で動作します。解析と構造レベルでの注意の可視化は、動物性ベータコロナウイルスのウイルス複製を司る重要なタンパク質とタンパク質の相互作用と動物性感染との関係を示唆している。

関連論文リスト

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)
DNA: Differentially private Neural Augmentation for contact tracing [62.740950398187664]
接触追跡はウイルスキャリアの早期検出による感染率の低下に有効な方法である。我々は、分散化された接触追跡において、最先端技術のプライバシー保証を大幅に改善する。この作業は、重要なプライバシー保証を維持しながら、ディープラーニングをコンタクトトレースに統合する上で、重要な第一歩となる。
論文参考訳（メタデータ） (2024-04-20T13:43:28Z)
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)
PCD2Vec: A Poisson Correction Distance-Based Approach for Viral Host Classification [0.966840768820136]
コロナウイルス(英: Coronavirus)は、コロナウイルス科に属する膜に侵入し、非分節の正鎖RNAウイルスである。コロナウイルスゲノムにおいて、重要な構造領域はスパイク領域であり、宿主の細胞膜にウイルスを付着させる責任がある。本研究では、異なるウイルス亜属および種からスパイクタンパク質配列を解析することにより、ウイルスの宿主特異性を予測する新しい方法を提案する。
論文参考訳（メタデータ） (2023-04-13T03:02:22Z)
Accurate Virus Identification with Interpretable Raman Signatures by Machine Learning [12.184128048998906]
本稿では,ヒトおよび鳥のRamanスペクトルを機械学習で解析する手法を提案する。スペクトルデータ用に特別に設計された畳み込みニューラルネットワーク(CNN)分類器は、様々なウイルスタイプやサブタイプの識別タスクに対して非常に高い精度を達成する。
論文参考訳（メタデータ） (2022-06-05T22:31:14Z)
Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文参考訳（メタデータ） (2021-12-13T17:11:32Z)
A multitask transfer learning framework for the prediction of virus-human protein-protein interactions [0.30586855806896046]
我々は、約2400万のタンパク質配列の情報と、ヒトの相互作用系からの相互作用パターンを利用する転写学習手法を開発した。我々は、ヒトタンパク質とタンパク質の相互作用を観測する確率を最大化することを目的とした追加の目的を用いる。実験結果から,本モデルがウイルス-ヒト-ヒト-ヒト-タンパク質相互作用予測タスクに有効であることが示された。
論文参考訳（メタデータ） (2021-11-26T07:53:51Z)
Classification of Influenza Hemagglutinin Protein Sequences using Convolutional Neural Networks [8.397189036839956]
本稿では,インフルエンザA型ウイルスが特定の宿主,具体的にはヒト,鳥,豚の宿主に感染するかどうかを,HA遺伝子のタンパク質配列のみを用いて正確に予測することに焦点を当てる。本稿では, タンパク質配列を疎水性指数を用いて数値信号に符号化し, その後, 畳み込みニューラルネットワークに基づく予測モデルを活用することを提案する。その結果,ヒト,鳥,豚の宿主に感染するウイルスが検出された場合,HAタンパク質配列を高い精度で識別できることがわかった。
論文参考訳（メタデータ） (2021-08-09T10:42:26Z)
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)
Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。