論文の概要: Optimal Decision Making in High-Throughput Virtual Screening Pipelines

• arxiv url: http://arxiv.org/abs/2109.11683v1
• Date: Thu, 23 Sep 2021 22:58:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-27 14:03:45.626212
• Title: Optimal Decision Making in High-Throughput Virtual Screening Pipelines
• Title（参考訳）: 高出力仮想スクリーニングパイプラインにおける最適決定法
• Authors: Hyun-Myung Woo, Xiaoning Qian, Li Tan, Shantenu Jha, Francis J. Alexander, Edward R. Dougherty, Byung-Jun Yoon
• Abstract要約: 実験および/および計算評価を含むスクリーニングキャンペーンのほとんど(すべてではないとしても)に適用する2つの最適化フレームワークを提案する。 特に、長い非コーディングRNA(lncRNA)分類のための最適な計算キャンペーンを実例として考察する。 シミュレーションの結果,提案手法は候補候補に対する有効選択コストを大幅に削減することが示された。
• 参考スコア（独自算出の注目度）: 12.366455276434513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective selection of the potential candidates that meet certain conditions in a tremendously large search space has been one of the major concerns in many real-world applications. In addition to the nearly infinitely large search space, rigorous evaluation of a sample based on the reliable experimental or computational platform is often prohibitively expensive, making the screening problem more challenging. In such a case, constructing a high-throughput screening (HTS) pipeline that pre-sifts the samples expected to be potential candidates through the efficient earlier stages, results in a significant amount of savings in resources. However, to the best of our knowledge, despite many successful applications, no one has studied optimal pipeline design or optimal pipeline operations. In this study, we propose two optimization frameworks, applying to most (if not all) screening campaigns involving experimental or/and computational evaluations, for optimally determining the screening thresholds of an HTS pipeline. We validate the proposed frameworks on both analytic and practical scenarios. In particular, we consider the optimal computational campaign for the long non-coding RNA (lncRNA) classification as a practical example. To accomplish this, we built the high-throughput virtual screening (HTVS) pipeline for classifying the lncRNA. The simulation results demonstrate that the proposed frameworks significantly reduce the effective selection cost per potential candidate and make the HTS pipelines less sensitive to their structural variations. In addition to the validation, we provide insights on constructing a better HTS pipeline based on the simulation results.
• Abstract（参考訳）: 巨大な検索空間で特定の条件を満たす可能性のある候補の効果的な選択は、多くの現実世界アプリケーションにおいて主要な関心事の1つである。 ほぼ無限大の探索空間に加えて、信頼性のある実験や計算プラットフォームに基づくサンプルの厳密な評価は、しばしば高額であり、スクリーニング問題をより困難にしている。 このような場合、効率的な早期段階を通じて潜在的候補となる可能性のあるサンプルをプレシフティングする高スループットスクリーニング(HTS)パイプラインを構築し、リソースの大幅な節約につながる。 しかしながら、私たちの知る限りでは、多くの成功したアプリケーションにもかかわらず、最適なパイプライン設計や最適なパイプライン操作を研究している人はいません。 本研究では,HTSパイプラインのスクリーニング閾値を最適に決定するために,実験および/および計算評価を含むほとんどのスクリーニングキャンペーンに適用する2つの最適化フレームワークを提案する。 分析シナリオと実用シナリオの両方で提案したフレームワークを検証する。 特に、長い非コーディングRNA(lncRNA)分類のための最適な計算キャンペーンを実例として考察する。 そこで我々は,lncRNAを分類するための高スループット仮想スクリーニング(HTVS)パイプラインを構築した。 シミュレーションの結果,提案フレームワークは潜在的な候補に対する有効選択コストを大幅に低減し,HTSパイプラインの構造変化に対する感度を低下させることを示した。 検証に加えて,シミュレーション結果に基づいて,より優れたHTSパイプラインの構築に関する洞察を提供する。

関連論文リスト

• Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
  AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。 我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。 現在のAWAIRE実装の制限は、少数の候補者に限られている。
  論文  参考訳（メタデータ） (2024-02-18T10:13:01Z)
• Poisson Process for Bayesian Optimization [126.51200593377739]
  本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。 従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
  論文  参考訳（メタデータ） (2024-02-05T02:54:50Z)
• Can LLMs Configure Software Tools [0.76146285961466]
  ソフトウェア工学では、複雑なシステム内での最適なパフォーマンスを確保するためには、ソフトウェアツールの精巧な構成が不可欠である。 本研究では,Large-Language Models (LLMs) を利用したソフトウェア構成プロセスの合理化について検討する。 本研究は,Chat-GPTなどのLCMを用いて,開始条件を特定し,検索空間を狭め,構成効率を向上する手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T05:03:02Z)
• Learning Regions of Interest for Bayesian Optimization with Adaptive Level-Set Estimation [84.0621253654014]
  本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。 理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
  論文  参考訳（メタデータ） (2023-07-25T09:45:47Z)
• Task-specific experimental design for treatment effect estimation [59.879567967089145]
  因果推論の標準は大規模ランダム化試験(RCT)である。 近年の研究では、RCTのよりサンプル効率の良い代替案が提案されているが、これらは因果効果を求める下流の応用には適用できない。 実験的な設計のためのタスク固有のアプローチを開発し、特定の下流アプリケーションにカスタマイズされたサンプリング戦略を導出する。
  論文  参考訳（メタデータ） (2023-06-08T18:10:37Z)
• Selection by Prediction with Conformal p-values [7.917044695538599]
  本研究では,未観測結果がユーザ指定値を超える候補を選択するためのスクリーニング手順について検討する。 本研究では,任意の予測モデルをラップして候補のサブセットを生成する手法を開発した。
  論文  参考訳（メタデータ） (2022-10-04T06:34:49Z)
• Generating Exact Optimal Designs via Particle Swarm Optimization: Assessing Efficacy and Efficiency via Case Study [0.0]
  本稿では,PSOの効率性と有効性の両方をベンチマークし,高品質な候補設計を実現する大規模コンピュータ研究の結果について述べる。 PSOは1回の実行でも、小さな計算コストで高い確率で高効率な設計を生成する。
  論文  参考訳（メタデータ） (2022-06-14T16:00:22Z)
• Reinforcement Learning based Sequential Batch-sampling for Bayesian Optimal Experimental Design [1.6249267147413522]
  実験の逐次設計(SDOE)は,近年,有望な結果をもたらす手法として人気がある。 本研究では、SDOE戦略を拡張し、実験やコンピュータコードに一連の入力で問い合わせる。 提案手法のユニークな機能は、複数のタスクに適用できる能力である。
  論文  参考訳（メタデータ） (2021-12-21T02:25:23Z)
• Local policy search with Bayesian optimization [73.0364959221845]
  強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。 局所探索のための政策勾配は、しばしばランダムな摂動から得られる。 目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-06-22T16:07:02Z)
• Provably Efficient Reward-Agnostic Navigation with Linear Value Iteration [143.43658264904863]
  我々は、最小二乗値スタイルのアルゴリズムで一般的に使用される、より標準的なベルマン誤差の概念の下での反復が、ほぼ最適値関数の学習において強力なPAC保証を提供することを示す。 そこで本稿では,任意の(線形な)報酬関数に対して,最適に近いポリシーを学習するためにどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2020-08-18T04:34:21Z)

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。