論文の概要: An Information-Theoretic Framework for Identifying Age-Related Genes Using Human Dermal Fibroblast Transcriptome Data

• arxiv url: http://arxiv.org/abs/2111.02595v1
• Date: Thu, 4 Nov 2021 02:41:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-06 01:11:59.791881
• Title: An Information-Theoretic Framework for Identifying Age-Related Genes Using Human Dermal Fibroblast Transcriptome Data
• Title（参考訳）: ヒト皮膚線維芽細胞トランスクリプトームデータを用いた加齢関連遺伝子同定のための情報理論フレームワーク
• Authors: Salman Mohamadi, Donald Adjeroh
• Abstract要約: 我々は老化に関連する遺伝子を同定するための情報理論フレームワークを開発した。 我々はヒト皮膚線維芽細胞遺伝子発現データに教師なしおよび半教師付き学習技術を用いた。 教師なし手法と半教師なし手法の両方のパフォーマンス評価は,フレームワークの有効性を示す。
• 参考スコア（独自算出の注目度）: 0.8122270502556371
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Investigation of age-related genes is of great importance for multiple purposes, for instance, improving our understanding of the mechanism of ageing, increasing life expectancy, age prediction, and other healthcare applications. In his work, starting with a set of 27,142 genes, we develop an information-theoretic framework for identifying genes that are associated with aging by applying unsupervised and semi-supervised learning techniques on human dermal fibroblast gene expression data. First, we use unsupervised learning and apply information-theoretic measures to identify key features for effective representation of gene expression values in the transcriptome data. Using the identified features, we perform clustering on the data. Finally, we apply semi-supervised learning on the clusters using different distance measures to identify novel genes that are potentially associated with aging. Performance assessment for both unsupervised and semi-supervised methods show the effectiveness of the framework.
• Abstract（参考訳）: 年齢関連遺伝子の研究は、老化のメカニズムの理解の向上、平均寿命の増大、年齢予測、その他の医療応用など、複数の目的において非常に重要である。 本研究は,27,142の遺伝子セットから始まり,ヒト皮膚線維芽細胞遺伝子発現データに教師なしおよび半教師なし学習技術を適用し,老化に関連する遺伝子を同定するための情報理論的枠組みを開発した。 まず,教師なし学習を応用し,情報理論的な手法を応用し,トランスクリプトームデータ中の遺伝子発現値を効果的に表現するための重要な特徴を同定する。 特定された機能を使用して、データをクラスタリングします。 最後に,老化に関連する可能性のある新規遺伝子を同定するために,異なる距離尺度を用いて半教師付き学習をクラスタに適用する。 教師なし手法と半教師なし手法の両方のパフォーマンス評価は,フレームワークの有効性を示す。

関連論文リスト

• Machine Learning-Based Prediction of Key Genes Correlated to the Subretinal Lesion Severity in a Mouse Model of Age-Related Macular Degeneration [23.83675500954393]
  加齢関連黄斑変性症(AMD)は、高齢者の視覚障害の主要な原因である。 AMDの理解の進歩にもかかわらず、網膜下傷(線維症)の重症度を誘導する分子的要因はいまだ解明されていない。 本研究では、病変の重症度に強く相関するキー遺伝子を予測する機械学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-08T10:08:54Z)
• Gene-Level Representation Learning via Interventional Style Transfer in Optical Pooled Screening [3.7038542578642715]
  光プールスクリーニング(OPS)を用いて得られた遺伝的摂動細胞の画像から、遺伝子レベルの特徴表現を学習するためのスタイル変換アプローチを採用する。 本手法は,遺伝子機能に応じた遺伝子表現のクラスタリングにおける工学的特徴よりも優れ,潜伏する生物学的関係を明らかにするために有用であることを示す。
  論文  参考訳（メタデータ） (2024-06-11T22:56:50Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Genetic InfoMax: Exploring Mutual Information Maximization in High-Dimensional Imaging Genetics Studies [50.11449968854487]
  遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。 画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。 本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
  論文  参考訳（メタデータ） (2023-09-26T03:59:21Z)
• Machine Learning Methods for Cancer Classification Using Gene Expression Data: A Review [77.34726150561087]
  がんは心臓血管疾患の2番目の死因である。 遺伝子発現は癌の早期発見において基本的な役割を担っている。 本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
  論文  参考訳（メタデータ） (2023-01-28T15:03:03Z)
• Human Age Estimation from Gene Expression Data using Artificial Neural Networks [27.900947531352983]
  本稿では,ヒト皮膚線維芽細胞遺伝子発現データから得られた情報を用いたヒト年齢推定のための新しい枠組みを提案する。 実験結果から,最先端の年齢推定手法よりも提案手法が優れていることが示唆された。
  論文  参考訳（メタデータ） (2021-11-04T08:57:35Z)
• Deep Collaborative Multi-Modal Learning for Unsupervised Kinship Estimation [53.62256887837659]
  キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。 本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。 我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
  論文  参考訳（メタデータ） (2021-09-07T01:34:51Z)
• Relation-weighted Link Prediction for Disease Gene Identification [0.3078691410268859]
  このようなグラフ上の疾患遺伝子を識別する新しい機械学習手法を提案する。 我々のアルゴリズムは、病気遺伝子同定における最先端の競争相手を24.1%上回っている。 また, パーキンソン病の臨床治験における薬物標的の予測に関して, 標的同定の主導的取り組みである Open Targets よりも高い精度を達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-11-10T15:09:33Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
  特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。 本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。 提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-06T21:53:44Z)

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。