Fugu-MT 論文翻訳(概要): COVID-Datathon: Biomarker identification for COVID-19 severity based on BALF scRNA-seq data

論文の概要: COVID-Datathon: Biomarker identification for COVID-19 severity based on BALF scRNA-seq data

arxiv url: http://arxiv.org/abs/2110.04986v1
Date: Mon, 11 Oct 2021 03:58:29 GMT
ステータス: 処理完了
システム内更新日: 2021-10-13 06:31:13.839155
Title: COVID-Datathon: Biomarker identification for COVID-19 severity based on BALF scRNA-seq data
Title（参考訳）: BALF scRNA-seqデータに基づくCOVID-19重症度のバイオマーカー同定
Authors: Seyednami Niyakan and Xiaoning Qian
Abstract要約: 重症急性呼吸器症候群2型(SARS-CoV-2)の出現は2019年後半に始まり、その後世界中で急速に拡大している。バイオインフォマティクスパイプラインを用いて、BALF細胞をSARS-CoV-2感染の機械的理解を高めるのに役立つ新型コロナウイルスの候補バイオマーカーを同定する。
参考スコア（独自算出の注目度）: 19.281327409528355
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) emergence began in late 2019 and has since spread rapidly worldwide. The characteristics of respiratory immune response to this emerging virus is not clear. Recently, Single-cell RNA sequencing (scRNA-seq) transcriptome profiling of Bronchoalveolar lavage fluid (BALF) cells has been done to elucidate the potential mechanisms underlying in COVID-19. With the aim of better utilizing this atlas of BALF cells in response to the virus, here we propose a bioinformatics pipeline to identify candidate biomarkers of COVID-19 severity, which may help characterize BALF cells to have better mechanistic understanding of SARS-CoV-2 infection. The proposed pipeline is implemented in R and is available at https://github.com/namini94/scBALF_Hackathon.
Abstract（参考訳）: 重症急性呼吸器症候群2型(SARS-CoV-2)の出現は2019年後半に始まり、その後世界中で急速に拡大している。この新興ウイルスに対する呼吸免疫反応の特徴は明らかではない。近年,Bronchoalveolar lavage fluid (BALF) の単一細胞RNAシークエンシング (scRNA-seq) トランスクリプトームプロファイリングにより,COVID-19の基盤となる潜在的なメカニズムが解明されている。ウイルスに対するBALF細胞のアラスの有効利用を目的としたバイオインフォマティクスパイプラインを提案し,SARS-CoV-2感染の機械的理解を深めるために,BALF細胞を特徴付ける可能性がある。提案されたパイプラインはRで実装されており、https://github.com/namini94/scBALF_Hackathonで利用できる。

関連論文リスト

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)
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)
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)
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)
DEEMD: Drug Efficacy Estimation against SARS-CoV-2 based on cell Morphology with Deep multiple instance learning [8.716655008588361]
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。
論文参考訳（メタデータ） (2021-05-10T20:38:34Z)
Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文参考訳（メタデータ） (2020-07-22T18:02:39Z)
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)
SARS-CoV-2 virus RNA sequence classification and geographical analysis with convolutional neural networks approach [0.0]
2019年12月に世界中に広まり、現在も活動しているコビッドウイルスは、今日世界で2万5000人以上の死者を出した。本研究では,SARS-CoV-2ウイルスに属するRNA配列を2つの基本画像処理アルゴリズムで遺伝子モチーフに変換する。 CNNモデルはアジア、ヨーロッパ、アメリカ、オセアニアに分類されたRNA配列で平均98%の面積曲線(AUC)値を達成した。
論文参考訳（メタデータ） (2020-07-09T20:43:22Z)
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)
PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with conditional generative models [2.0750380105212116]
新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-05-27T11:30:15Z)

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。