論文の概要: CHERRY: a Computational metHod for accuratE pRediction of
virus-pRokarYotic interactions using a graph encoder-decoder model
- arxiv url: http://arxiv.org/abs/2201.01018v1
- Date: Tue, 4 Jan 2022 07:32:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-05 14:15:35.113916
- Title: CHERRY: a Computational metHod for accuratE pRediction of
virus-pRokarYotic interactions using a graph encoder-decoder model
- Title（参考訳）: cherry : グラフエンコーダ-デコーダモデルを用いたウイルス-ウイルス相互作用の高精度予測法
- Authors: Jiayu Shang and Yanni Sun
- Abstract要約: 本研究は,リンク予測としてホスト予測を定式化したCHERRYを知識グラフに提示する。
ウイルスとプロカリアティックな相互作用予測ツールとして、CHERRYは新たに発見されたウイルスの宿主を予測したり、抗生物質耐性細菌に感染するウイルスを予測したりすることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Prokaryotic viruses, which infect bacteria and archaea, are key players in
microbial communities. Predicting the hosts of prokaryotic viruses helps
decipher the dynamic relationship between microbes. Although there are
experimental methods for host identification, they are either labor-intensive
or require the cultivation of the host cells, creating a need for computational
host prediction. Despite some promising results, computational host prediction
remains a challenge because of the limited known interactions and the sheer
amount of sequenced phages by high-throughput sequencing technologies. The
state-of-the-art methods can only achieve 43% accuracy at the species level.
This work presents CHERRY, a tool formulating host prediction as link
prediction in a knowledge graph. As a virus-prokaryotic interaction prediction
tool, CHERRY can be applied to predict hosts for newly discovered viruses and
also the viruses infecting antibiotic-resistant bacteria. We demonstrated the
utility of CHERRY for both applications and compared its performance with the
state-of-the-art methods in different scenarios. To our best knowledge, CHERRY
has the highest accuracy in identifying virus-prokaryote interactions. It
outperforms all the existing methods at the species level with an accuracy
increase of 37%. In addition, CHERRY's performance is more stable on short
contigs than other tools.
- Abstract（参考訳）: 細菌や古細菌に感染するプロカリアティックウイルスは、微生物コミュニティにおいて重要な役割を担っている。
原核生物ウイルスの宿主を予測することは、微生物間の動的関係の解明に役立つ。
ホストの同定には実験的な方法があるが、それらは労働集約的であるか、宿主細胞の培養を必要とするため、計算ホスト予測の必要性が生じる。
有望な結果にもかかわらず、計算ホスト予測は、高スループットシーケンシング技術による既知の相互作用と配列されたファージの量が限られているため、依然として課題である。
最先端の手法は種レベルでは43%の精度しか達成できない。
本研究は,リンク予測としてホスト予測を定式化したCHERRYを知識グラフに提示する。
ウイルス-原核生物相互作用予測ツールとして、新たに発見されたウイルスおよび抗生物質耐性細菌に感染するウイルスの宿主を予測するためにチェリーを適用することができる。
両アプリケーションにおけるCHERRYの有用性を実証し,その性能を異なるシナリオにおける最先端手法と比較した。
我々の知る限り、CHERRYはウイルス-プロカロライト相互作用の同定において最も正確である。
種レベルでは既存の方法よりも37%の精度で優れています。
加えて、CHERRYのパフォーマンスは他のツールよりも短時間で安定している。
関連論文リスト
- Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Learning to Denoise Biomedical Knowledge Graph for Robust Molecular Interaction Prediction [50.7901190642594]
分子間相互作用予測のためのバイオKDN (Biomedical Knowledge Graph Denoising Network) を提案する。
BioKDNは、ノイズの多いリンクを学習可能な方法で識別することで、局所的な部分グラフの信頼性の高い構造を洗練する。
ターゲットの相互作用に関する関係を円滑にすることで、一貫性とロバストなセマンティクスを維持する。
論文 参考訳（メタデータ） (2023-12-09T07:08:00Z) - 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) - PCD2Vec: A Poisson Correction Distance-Based Approach for Viral Host
Classification [0.966840768820136]
コロナウイルス(英: Coronavirus)は、コロナウイルス科に属する膜に侵入し、非分節の正鎖RNAウイルスである。
コロナウイルスゲノムにおいて、重要な構造領域はスパイク領域であり、宿主の細胞膜にウイルスを付着させる責任がある。
本研究では、異なるウイルス亜属および種からスパイクタンパク質配列を解析することにより、ウイルスの宿主特異性を予測する新しい方法を提案する。
論文 参考訳（メタデータ） (2023-04-13T03:02:22Z) - Efficient Approximate Kernel Based Spike Sequence Classification [56.2938724367661]
SVMのような機械学習モデルは、シーケンスのペア間の距離/相似性の定義を必要とする。
厳密な手法により分類性能は向上するが、計算コストが高い。
本稿では,その予測性能を向上させるために,近似カーネルの性能を改善する一連の方法を提案する。
論文 参考訳（メタデータ） (2022-09-11T22:44:19Z) - Dive into Machine Learning Algorithms for Influenza Virus Host Prediction with Hemagglutinin Sequences [4.289396744209968]
インフルエンザウイルスは急速に変異し、公衆衛生、特に脆弱な集団に脅威をもたらす可能性がある。
近年,機械学習アルゴリズムによるウイルス配列の高速かつ正確な予測への関心が高まっている。
本研究では,さまざまな分類レベルで機械学習アルゴリズムを評価するために,実検定データセットと各種評価指標を用いた。
論文 参考訳（メタデータ） (2022-07-28T00:54:54Z) - Deep metric learning improves lab of origin prediction of genetically
engineered plasmids [63.05016513788047]
遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。
本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。
我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
論文 参考訳（メタデータ） (2021-11-24T16:29:03Z) - Multi-modal Self-supervised Pre-training for Regulatory Genome Across
Cell Types [75.65676405302105]
我々は、GeneBERTと呼ばれる、多モードかつ自己管理的な方法でゲノムデータを事前学習するための、単純かつ効果的なアプローチを提案する。
我々はATAC-seqデータセットで1700万のゲノム配列でモデルを事前訓練する。
論文 参考訳（メタデータ） (2021-10-11T12:48:44Z) - Classification of Influenza Hemagglutinin Protein Sequences using
Convolutional Neural Networks [8.397189036839956]
本稿では,インフルエンザA型ウイルスが特定の宿主,具体的にはヒト,鳥,豚の宿主に感染するかどうかを,HA遺伝子のタンパク質配列のみを用いて正確に予測することに焦点を当てる。
本稿では, タンパク質配列を疎水性指数を用いて数値信号に符号化し, その後, 畳み込みニューラルネットワークに基づく予測モデルを活用することを提案する。
その結果,ヒト,鳥,豚の宿主に感染するウイルスが検出された場合,HAタンパク質配列を高い精度で識別できることがわかった。
論文 参考訳（メタデータ） (2021-08-09T10:42:26Z) - Detecting the hosts of bacteriophages using GCN-based semi-supervised
learning [0.0]
細菌ファージは自然および宿主関連生態系において重要な制御的役割を担っている。
宿主を知ることは、抗生物質としての使用に関する重要な知識を提供する。
本稿では,新規なファージのホスト予測を行うための半教師付き学習モデルであるHostGを提案する。
論文 参考訳（メタデータ） (2021-05-28T03:29:31Z) - Bacteriophage classification for assembled contigs using Graph
Convolutional Network [0.0]
細菌ファージ(別名食虫)は微生物の生物学において重要な役割を担っている。
高い多様性、豊富な量、限られた食餌は、分類学的分析に大きな課題をもたらす。
我々は、ファージの分類分類を行うために、PhaGCNという新しい半教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-02-07T08:58:35Z)
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。