論文の概要: MutFormer: A context-dependent transformer-based model to predict
pathogenic missense mutations
- arxiv url: http://arxiv.org/abs/2110.14746v1
- Date: Wed, 27 Oct 2021 20:17:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-30 11:25:41.278649
- Title: MutFormer: A context-dependent transformer-based model to predict
pathogenic missense mutations
- Title(参考訳): mutformer:病原性ミスセンス変異を予測するコンテキスト依存トランスフォーマモデル
- Authors: Theodore Jiang, Li Fang, Kai Wang
- Abstract要約: ミスセンス突然変異は、ヒトの遺伝疾患の原因となる既知の変異の約半分を占める。
ディープラーニングの最近の進歩は、トランスフォーマーモデルが特にシーケンスのモデリングに強力であることを示している。
病原性ミスセンス変異の予測のためのトランスフォーマーモデルであるMutFormerを紹介する。
- 参考スコア(独自算出の注目度): 5.153619184788929
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A missense mutation is a point mutation that results in a substitution of an
amino acid in a protein sequence. Currently, missense mutations account for
approximately half of the known variants responsible for human inherited
diseases, but accurate prediction of the pathogenicity of missense variants is
still challenging. Recent advances in deep learning show that transformer
models are particularly powerful at modeling sequences. In this study, we
introduce MutFormer, a transformer-based model for prediction of pathogenic
missense mutations. We pre-trained MutFormer on reference protein sequences and
alternative protein sequences result from common genetic variants. We tested
different fine-tuning methods for pathogenicity prediction. Our results show
that MutFormer outperforms a variety of existing tools. MutFormer and
pre-computed variant scores are publicly available on GitHub at
https://github.com/WGLab/mutformer.
- Abstract(参考訳): ミスセンス突然変異(missense mutation)は、タンパク質配列内のアミノ酸を置換する点突然変異である。
現在、ミスセンス変異はヒトの遺伝病の原因となる既知の変異の約半数を占めるが、ミスセンス変異の病原性の正確な予測はまだ難しい。
ディープラーニングの最近の進歩は、トランスフォーマーモデルが特にシーケンスのモデリングに強力であることを示している。
本研究では,トランスフォーマーを用いた病原性ミスセンス変異の予測モデルであるmutformerを提案する。
遺伝子変異から得られた参照タンパク質配列と代替タンパク質配列についてMutFormerを事前訓練した。
病原性予測のための異なる微調整法を試験した。
私たちの結果は、MutFormerが既存のツールより優れていることを示している。
mutformerとpre-computed variant scoreはgithubのhttps://github.com/wglab/mutformer.comで公開されている。
関連論文リスト
- Predicting loss-of-function impact of genetic mutations: a machine
learning approach [0.0]
本稿では,遺伝子変異の属性に基づいて機械学習モデルを学習し,LoFtoolスコアを予測することを目的とする。
これらの属性には、染色体上の突然変異の位置、アミノ酸の変化、変異によって引き起こされるコドンの変化が含まれていた。
モデルは, 平均2乗誤差, 平均2乗誤差, 平均2乗誤差, 平均絶対誤差, 説明分散の5倍のクロスバリデード平均を用いて評価した。
論文 参考訳(メタデータ) (2024-01-26T19:27:38Z) - Efficiently Predicting Protein Stability Changes Upon Single-point
Mutation with Large Language Models [51.57843608615827]
タンパク質の熱安定性を正確に予測する能力は、様々なサブフィールドや生化学への応用において重要である。
タンパク質配列と構造的特徴を統合したESMによる効率的なアプローチを導入し, 単一点突然変異によるタンパク質の熱安定性変化を予測する。
論文 参考訳(メタデータ) (2023-12-07T03:25:49Z) - Fast and Functional Structured Data Generators Rooted in
Out-of-Equilibrium Physics [62.997667081978825]
エネルギーモデルを用いて、構造化データセットで高品質なラベル特化データを生成するという課題に対処する。
伝統的な訓練方法は、マルコフ連鎖モンテカルロ混合による困難に遭遇する。
非平衡効果を利用した新しいトレーニングアルゴリズムを用いる。
論文 参考訳(メタデータ) (2023-07-13T15:08:44Z) - MuRS: Mutant Ranking and Suppression using Identifier Templates [4.9205581820379765]
Googleの突然変異テストサービスは、差分ベースの突然変異テストをコードレビュープロセスに統合する。
Googleの突然変異テストサービスは、役に立たないミュータントをターゲットにした、いくつかの抑制ルールを実装している。
テスト中のソースコードのパターンによってミュータントをグループ化する自動手法である MuRS を提案し,評価する。
論文 参考訳(メタデータ) (2023-06-15T13:43:52Z) - Diversity-Measurable Anomaly Detection [106.07413438216416]
本稿では,再構成の多様性を高めるため,DMAD(Diversity-Measurable Anomaly Detection)フレームワークを提案する。
PDMは基本的に、変形を埋め込みから分離し、最終的な異常スコアをより信頼性を高める。
論文 参考訳(メタデータ) (2023-03-09T05:52:42Z) - Unsupervised language models for disease variant prediction [3.6942566104432886]
広い配列のデータセットで訓練された1つのタンパク質LMは、あらゆる遺伝子変異ゼロショットに対して病原性を評価することができる。
臨床的にラベル付けされた疾患関連遺伝子の変異について評価すると,その評価性能は最先端技術に匹敵することがわかった。
論文 参考訳(メタデータ) (2022-12-07T22:28:13Z) - InForecaster: Forecasting Influenza Hemagglutinin Mutations Through the
Lens of Anomaly Detection [3.5213888068272197]
異常検出(AD)は機械学習(ML)において確立された分野である
我々は,異常検出(AD)によってこの問題に取り組むことを提案する。
公開されている4つのデータセットに対して、多数の実験を行います。
論文 参考訳(メタデータ) (2022-10-25T02:08:09Z) - rfPhen2Gen: A machine learning based association study of brain imaging
phenotypes to genotypes [71.1144397510333]
56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。
アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。
ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
論文 参考訳(メタデータ) (2022-03-31T20:15:22Z) - PhyloTransformer: A Discriminative Model for Mutation Prediction Based
on a Multi-head Self-attention Mechanism [10.468453827172477]
重症急性呼吸器症候群ウイルス2(SARS-CoV-2)は10/19/21で219万人が感染し、死亡率は3.6%となっている。
そこで我々は,トランスフォーマーを用いた識別モデルであるPhylo Transformerを開発した。
論文 参考訳(メタデータ) (2021-11-03T01:30:57Z) - Variational Transformers for Diverse Response Generation [71.53159402053392]
変分変換器(VT)は、変分自己注意フィードフォワードシーケンスモデルである。
VTはトランスフォーマーの並列化性と大域的受容場計算とCVAEの変動特性を組み合わせる。
本稿では,1)大域潜伏変数を用いた談話レベルの多様性のモデル化,2)細粒潜伏変数の列によるトランスフォーマーデコーダの拡張,の2種類のVTについて検討する。
論文 参考訳(メタデータ) (2020-03-28T07:48:02Z) - Fundamental Tradeoffs between Invariance and Sensitivity to Adversarial
Perturbations [65.05561023880351]
敵の例は誤分類を引き起こすために作られた悪意のある入力である。
本稿では, 相補的障害モード, 不変性に基づく逆数例について検討する。
感度に基づく攻撃に対する防御は、不変性に基づく攻撃に対するモデルの精度を積極的に損なうことを示す。
論文 参考訳(メタデータ) (2020-02-11T18:50:23Z)
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。