Fugu-MT 論文翻訳(概要): Knowledge Graph-based Neurodegenerative Diseases and Diet Relationship Discovery

論文の概要: Knowledge Graph-based Neurodegenerative Diseases and Diet Relationship Discovery

arxiv url: http://arxiv.org/abs/2109.06123v1
Date: Mon, 13 Sep 2021 16:56:51 GMT
ステータス: 処理完了
システム内更新日: 2021-09-14 15:27:29.753915
Title: Knowledge Graph-based Neurodegenerative Diseases and Diet Relationship Discovery
Title（参考訳）: 知識グラフに基づく神経変性疾患と食事関連発見
Authors: Yi Nian, Jingcheng Du, Larry Bu, Fang Li, Xinyue Hu, Yuji Zhang, Cui Tao
Abstract要約: 文献マイニングを用いた神経変性疾患の知識グラフを構築し,その食生活との関係について検討した。食生活から発生し神経変性疾患に影響を及ぼす可能性のある食品関連種や化学物質がいくつか見出された。
参考スコア（独自算出の注目度）: 6.111788866795167
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: To date, there are no effective treatments for most neurodegenerative diseases. However, certain foods may be associated with these diseases and bring an opportunity to prevent or delay neurodegenerative progression. Our objective is to construct a knowledge graph for neurodegenerative diseases using literature mining to study their relations with diet. We collected biomedical annotations (Disease, Chemical, Gene, Species, SNP&Mutation) in the abstracts from 4,300 publications relevant to both neurodegenerative diseases and diet using PubTator, an NIH-supported tool that can extract biomedical concepts from literature. A knowledge graph was created from these annotations. Graph embeddings were then trained with the node2vec algorithm to support potential concept clustering and similar concept identification. We found several food-related species and chemicals that might come from diet and have an impact on neurodegenerative diseases.
Abstract（参考訳）: 現在、ほとんどの神経変性疾患に対して効果的な治療法はない。しかし、特定の食品はこれらの疾患と関連し、神経変性の進行を予防または遅らせる機会をもたらす可能性がある。本研究の目的は, 文献マイニングによる神経変性疾患の知識グラフの構築と, 食事との関連性について検討することである。バイオメディカル・アノテーション (Disease, Chemical, Gene, Species, SNP&Mutation) を, NIH支援型バイオメディカル・コンセプトを文献から抽出できるPubTatorを用いて, 神経変性疾患および食生活に関連する4,300の論文から収集した。これらのアノテーションから知識グラフが作成されました。グラフ埋め込みはnode2vecアルゴリズムでトレーニングされ、潜在的な概念クラスタリングと同様の概念識別をサポートする。食生活から発生し神経変性疾患に影響を及ぼす可能性のある食品関連種や化学物質がいくつか見出された。

関連論文リスト

Graph Neural Networks for Brain Graph Learning: A Survey [53.74244221027981]
グラフニューラルネットワーク(GNN)は、グラフ構造化データのマイニングにおいて大きな優位性を示している。脳障害解析のための脳グラフ表現を学習するGNNが最近注目を集めている。本稿では,GNNを利用した脳グラフ学習の成果をレビューすることで,このギャップを埋めることを目的としている。
論文参考訳（メタデータ） (2024-06-01T02:47:39Z)
Dimensional Neuroimaging Endophenotypes: Neurobiological Representations of Disease Heterogeneity Through Machine Learning [11.653182438505558]
まず、機械学習とマルチモーダルMRIを用いて、様々な神経精神・神経変性疾患における疾患の多様性を解明する研究の体系的な概要を述べる。次に、関連する機械学習手法を要約し、DNEと呼ばれる新しいパラダイムについて議論する。 DNEは神経精神医学および神経変性疾患の神経生物学的不均一性を低次元で情報的かつ定量的な脳表現表現に識別する。
論文参考訳（メタデータ） (2024-01-17T16:31:48Z)
Applying BioBERT to Extract Germline Gene-Disease Associations for Building a Knowledge Graph from the Biomedical Literature [0.0]
本稿では,ジェムリン遺伝子と疾患を結合する知識グラフ構築手法SimpleGermKGを提案する。遺伝子および疾患の抽出には、バイオメディカルコーパス上でトレーニング済みのBERTモデルであるBioBERTを用いる。記事,遺伝子,疾患間の意味的関連性について,部分的関係性アプローチを実装した。知識グラフには297の遺伝子、130の疾患、46,747のトリプルが含まれている。
論文参考訳（メタデータ） (2023-09-11T18:05:12Z)
Multimodal brain age estimation using interpretable adaptive population-graph learning [58.99653132076496]
下流タスクに最適化された人口グラフ構造を学習するフレームワークを提案する。注意機構は、画像と非画像の特徴のセットに重みを割り当てる。グラフ構築において最も重要な注意重みを可視化することにより、グラフの解釈可能性を高める。
論文参考訳（メタデータ） (2023-07-10T15:35:31Z)
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)
Analysis of Drug repurposing Knowledge graphs for Covid-19 [0.0]
本研究は、薬物再資源知識グラフ(DRKG)を用いた新型コロナウイルスの候補薬剤のセットを提案する。 DRKGは、大量のオープンソースバイオメディカル知識を用いて構築された生物学的知識グラフである。ノードと関係埋め込みは知識グラフ埋め込みモデルとニューラルネットワークおよび注意関連モデルを用いて学習される。
論文参考訳（メタデータ） (2022-12-07T19:14:17Z)
Contrastive Brain Network Learning via Hierarchical Signed Graph Pooling Model [64.29487107585665]
脳機能ネットワーク上のグラフ表現学習技術は、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を容易にする。本稿では,脳機能ネットワークからグラフレベル表現を抽出する階層型グラフ表現学習モデルを提案する。また、モデルの性能をさらに向上させるために、機能的脳ネットワークデータをコントラスト学習のために拡張する新たな戦略を提案する。
論文参考訳（メタデータ） (2022-07-14T20:03:52Z)
Mining On Alzheimer's Diseases Related Knowledge Graph to Identity Potential AD-related Semantic Triples for Drug Repurposing [13.751910502580415]
我々は、アルツハイマー病(AD)と化学物質、薬物、栄養補助薬との関係を研究するための知識グラフを構築した。本稿では,このグラフマイニングモデルを用いて,ADと他のエンティティ間の信頼性の高い新しい関係を予測できることを示す。
論文参考訳（メタデータ） (2022-02-17T15:33:27Z)
Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文参考訳（メタデータ） (2020-12-22T13:20:23Z)
COVID-19 Literature Knowledge Graph Construction and Drug Repurposing Report Generation [79.33545724934714]
我々は,学術文献から微細なマルチメディア知識要素を抽出する,新しい包括的知識発見フレームワークであるCOVID-KGを開発した。我々のフレームワークはまた、証拠として詳細な文脈文、サブフィギュア、知識のサブグラフも提供します。
論文参考訳（メタデータ） (2020-07-01T16:03:20Z)
A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文参考訳（メタデータ） (2020-05-08T02:29:24Z)

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。