論文の概要: Predicting Influenza A Viral Host Using PSSM and Word Embeddings
- arxiv url: http://arxiv.org/abs/2201.01140v4
- Date: Sat, 18 Nov 2023 17:20:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 21:27:44.173423
- Title: Predicting Influenza A Viral Host Using PSSM and Word Embeddings
- Title（参考訳）: pssmと単語埋め込みを用いたインフルエンザaウイルス宿主の予測
- Authors: Yanhua Xu, Dominik Wojtczak
- Abstract要約: 我々は、位置特異的スコアリング行列(PSSM)から派生した特徴を持つ様々な機械学習モデルを用いて、ウイルスの起源ホストを推測する。
その結果,PSSMモデルの性能は95%程度に達し,F1は約96%であった。
- 参考スコア（独自算出の注目度）: 5.067354030054702
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid mutation of the influenza virus threatens public health.
Reassortment among viruses with different hosts can lead to a fatal pandemic.
However, it is difficult to detect the original host of the virus during or
after an outbreak as influenza viruses can circulate between different species.
Therefore, early and rapid detection of the viral host would help reduce the
further spread of the virus. We use various machine learning models with
features derived from the position-specific scoring matrix (PSSM) and features
learned from word embedding and word encoding to infer the origin host of
viruses. The results show that the performance of the PSSM-based model reaches
the MCC around 95%, and the F1 around 96%. The MCC obtained using the model
with word embedding is around 96%, and the F1 is around 97%.
- Abstract（参考訳）: インフルエンザウイルスの急速な変異は公衆の健康を脅かす。
異なる宿主を持つウイルスの再配列は致命的なパンデミックを引き起こす可能性がある。
しかし、インフルエンザウイルスが異なる種間を循環できるため、感染の間または感染後のウイルスの原宿主を検出することは困難である。
したがって、ウイルス宿主の早期かつ迅速な検出は、ウイルスのさらなる拡散を減少させるのに役立つ。
我々は,位置特異的スコアリングマトリクス(pssm)に由来する特徴を持つ様々な機械学習モデルを用いて,ウイルスの起源を推定するために,単語埋め込みと単語エンコーディングから学習した特徴について述べる。
その結果,PSSMモデルの性能は95%程度に達し,F1は約96%であった。
単語埋め込みモデルを用いて得られたMCCは約96%であり、F1は約97%である。
関連論文リスト
- Opponent Shaping for Antibody Development [49.26728828005039]
抗ウイルス療法は通常、ウイルスの現在の株のみを標的とするように設計されている。
治療によって誘導される選択的圧力はウイルスに作用し、変異株の出現を誘導し、初期治療が効果を低下させる。
我々は、ウイルスの進化的脱出の遺伝的シミュレーションを実装するために、抗体とウイルス抗原の結合の計算モデルを構築した。
論文 参考訳（メタデータ） (2024-09-16T14:56:27Z) - 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) - Efficient Cavity Searching for Gene Network of Influenza A Virus [8.690486131601075]
インフルエンザAウイルスの遺伝子ネットワークの高次構造(空洞と斜角)は、進化中にウイルス間の密接な関連を明らかにする。
本稿では,インフルエンザウイルス遺伝学のための計算可能な複雑なネットワークにおいて,深層学習に基づくハイパーサーチモデルを提案する。
論文 参考訳（メタデータ） (2022-11-05T16:24:55Z) - 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) - Accurate Virus Identification with Interpretable Raman Signatures by
Machine Learning [12.184128048998906]
本稿では,ヒトおよび鳥のRamanスペクトルを機械学習で解析する手法を提案する。
スペクトルデータ用に特別に設計された畳み込みニューラルネットワーク(CNN)分類器は、様々なウイルスタイプやサブタイプの識別タスクに対して非常に高い精度を達成する。
論文 参考訳（メタデータ） (2022-06-05T22:31:14Z) - Anti-virus Autobots: Predicting More Infectious Virus Variants for
Pandemic Prevention through Deep Learning [0.0]
より感染性のウイルスの変異は、そのタンパク質の急激な突然変異によって生じる可能性がある。
これらの変異体は免疫系を回避し、ワクチンの効果を低下させる。
提案するOptimus PPImeは、既存のウイルスの今後、より感染的な変異を予測するためのディープラーニングアプローチである。
論文 参考訳（メタデータ） (2022-05-30T05:04:40Z) - PWM2Vec: An Efficient Embedding Approach for Viral Host Specification
from Coronavirus Spike Sequences [0.7340017786387767]
我々は、致命的なウイルスのキャリアや送信者になりうる異なる宿主について研究する。
ウイルスでは、表面(S)タンパク質(スパイクタンパク質)が宿主の特異性を決定する重要な部分である。
我々は、よく知られた位置重み行列(PWM)に基づく特徴埋め込みを提案し、ウイルスのスパイクタンパク質配列から特徴ベクトルを生成する。
論文 参考訳（メタデータ） (2022-01-06T23:25:54Z) - 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) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware
Anomaly Detection [86.81773672627406]
短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。
胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。
ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
論文 参考訳（メタデータ） (2020-03-27T11:32:18Z)
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。