Fugu-MT 論文翻訳(概要): Application of Markov Structure of Genomes to Outlier Identification and Read Classification

論文の概要: Application of Markov Structure of Genomes to Outlier Identification and Read Classification

arxiv url: http://arxiv.org/abs/2112.13117v1
Date: Fri, 24 Dec 2021 18:03:38 GMT
ステータス: 処理完了
システム内更新日: 2021-12-29 12:09:26.560041
Title: Application of Markov Structure of Genomes to Outlier Identification and Read Classification
Title（参考訳）: ゲノムのマルコフ構造の異常識別と読み出し分類への応用
Authors: Alan F. Karr, Jason Hauzel, Adam A. Porter, Marcel Schaefer
Abstract要約: 本研究では,ゲノムの構造を2つのバイオインフォマティクス問題に応用する。我々は、実際のウイルスとアデノウイルスのデータを用いて、ゲノムデータベースの異常値を特定し、メダゲノミクスの分類を読み取る。
参考スコア（独自算出の注目度）: 0.22940141855172028
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we apply the structure of genomes as second-order Markov processes specified by the distributions of successive triplets of bases to two bioinformatics problems: identification of outliers in genome databases and read classification in metagenomics, using real coronavirus and adenovirus data.
Abstract（参考訳）: 本稿では,2つのバイオインフォマティクス問題,すなわち,ゲノムデータベースにおける異常点の同定と,実際のウイルスとアデノウイルスのデータを用いたメダゲノミクスにおける分類の2次マルコフ過程として,ゲノムの構造を応用する。

関連論文リスト

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)
Prompt-based Grouping Transformer for Nucleus Detection and Classification [70.55961378096116]
核の検出と分類は、疾患の診断に有効な情報を生み出す。既存のほとんどの手法は、核を独立に分類するか、核とそのグループの特徴の間の意味的類似性を十分に利用しない。グループ変換器をベースとした新しいエンドツーエンドの原子核検出・分類フレームワークを提案する。
論文参考訳（メタデータ） (2023-10-22T04:50:48Z)
A Step Towards Worldwide Biodiversity Assessment: The BIOSCAN-1M Insect Dataset [18.211840156134784]
本稿では,画像に基づく分類学的評価が可能なコンピュータビジョンモデルの訓練を目的とした,100万画像データセットを提案する。このデータセットは魅力的な特徴も示しており、その研究はより広範な機械学習コミュニティにとって興味深いものとなるだろう。
論文参考訳（メタデータ） (2023-07-19T20:54:08Z)
An end-to-end framework for gene expression classification by integrating a background knowledge graph: application to cancer prognosis prediction [1.5484595752241122]
我々は、一次データの分類モデルを構築するために、二次データを扱うエンドツーエンドフレームワークを提案した。我々はこの枠組みを,遺伝子発現データと生物学的ネットワークを用いた癌予後予測に応用した。
論文参考訳（メタデータ） (2023-06-29T11:20:47Z)
Graph Neural Networks for Microbial Genome Recovery [64.91162205624848]
本稿では,グラフニューラルネットワーク(GNN)を用いて,メダゲノミクスビニングのためのコンティグ表現を学習する際のアセンブリグラフを活用することを提案する。提案手法であるVaeG-Binは,個々のコンティグの潜在表現を学習するための変分オートエンコーダと,アセンブリグラフ内のコンティグの近傍構造を考慮したGNNを組み合わせる。
論文参考訳（メタデータ） (2022-04-26T12:49:51Z)
Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文参考訳（メタデータ） (2021-02-11T09:04:45Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Segmentation and genome annotation algorithms [0.0]
sagaアルゴリズムはゲノム活性や遺伝子制御を理解するために広く使われている。彼らはゲノムを分割し、同じラベルを持つ位置が入力データの類似パターンを示すように各セグメントにラベルを割り当てる。 SAGAアルゴリズムは、既知のゲノム要素の事前知識のないプロモーター、エンハンサー、または遺伝子の一部の活性のカテゴリを発見する。
論文参考訳（メタデータ） (2021-01-03T19:08:36Z)
A Novel Granular-Based Bi-Clustering Method of Deep Mining the Co-Expressed Genes [76.84066556597342]
ビクラスタリング法は、サンプル(遺伝子)のサブセットが試験条件下で協調的に制御されるバイクラスタをマイニングするために用いられる。残念ながら、従来の二クラスタ法はそのような二クラスタを発見するのに完全には効果がない。本稿では,グラニュラーコンピューティングの理論を取り入れた新しい2クラスタリング手法を提案する。
論文参考訳（メタデータ） (2020-05-12T02:04:40Z)

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。