論文の概要: A robust kernel machine regression towards biomarker selection in multi-omics datasets of osteoporosis for drug discovery

• arxiv url: http://arxiv.org/abs/2201.05060v1
• Date: Thu, 13 Jan 2022 16:39:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-14 18:42:48.171051
• Title: A robust kernel machine regression towards biomarker selection in multi-omics datasets of osteoporosis for drug discovery
• Title（参考訳）: 薬物発見のためのマルチオミクスデータセットにおけるロバストカーネルマシンのバイオマーカー選択への回帰
• Authors: Md Ashad Alam and Hui Shen and Hong-Wen Deng
• Abstract要約: 本稿では,ロバスト・カーネル・マシン・レグレッション(RobMR)を提案する。 実験により, 提案手法は骨粗しょう症の関連因子を効果的に同定することを示した。 提案手法は、利用可能なあらゆる疾患モデルマルチオミクスデータセットに適用できる。
• 参考スコア（独自算出の注目度）: 2.2897244874280043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many statistical machine approaches could ultimately highlight novel features of the etiology of complex diseases by analyzing multi-omics data. However, they are sensitive to some deviations in distribution when the observed samples are potentially contaminated with adversarial corrupted outliers (e.g., a fictional data distribution). Likewise, statistical advances lag in supporting comprehensive data-driven analyses of complex multi-omics data integration. We propose a novel non-linear M-estimator-based approach, "robust kernel machine regression (RobKMR)," to improve the robustness of statistical machine regression and the diversity of fictional data to examine the higher-order composite effect of multi-omics datasets. We address a robust kernel-centered Gram matrix to estimate the model parameters accurately. We also propose a robust score test to assess the marginal and joint Hadamard product of features from multi-omics data. We apply our proposed approach to a multi-omics dataset of osteoporosis (OP) from Caucasian females. Experiments demonstrate that the proposed approach effectively identifies the inter-related risk factors of OP. With solid evidence (p-value = 0.00001), biological validations, network-based analysis, causal inference, and drug repurposing, the selected three triplets ((DKK1, SMTN, DRGX), (MTND5, FASTKD2, CSMD3), (MTND5, COG3, CSMD3)) are significant biomarkers and directly relate to BMD. Overall, the top three selected genes (DKK1, MTND5, FASTKD2) and one gene (SIDT1 at p-value= 0.001) significantly bond with four drugs- Tacrolimus, Ibandronate, Alendronate, and Bazedoxifene out of 30 candidates for drug repurposing in OP. Further, the proposed approach can be applied to any disease model where multi-omics datasets are available.
• Abstract（参考訳）: 多くの統計機械アプローチは、マルチオミクスデータを解析することで、最終的に複雑な疾患の病因の新たな特徴を浮き彫りにする可能性がある。 しかし、観測されたサンプルが敵の破損した外れ値(例えば、架空のデータ分布)で汚染される可能性がある場合、分布の偏りに敏感である。 同様に、複雑なマルチオミクスデータ統合の包括的データ駆動分析をサポートする統計的進歩も遅れている。 本稿では,マルチオミクスデータセットの高次合成効果を検討するために,統計的マシン回帰の頑健さとフィクションデータの多様性を改善するために,非線形M-推定器に基づく新しい手法"RobKMR"を提案する。 モデルパラメータを正確に推定するために,堅牢なカーネル中心のグラム行列を扱う。 また,マルチオミクスデータから特徴の辺縁および関節アダマール積を評価するためのロバストスコアテストを提案する。 提案手法をコーカサス産の骨粗しょう症(OP)のマルチオミクスデータセットに適用した。 提案手法はOPの相互関連リスク因子を効果的に同定することを示した。 ソリッドエビデンス(p-value = 0.00001)、生物学的検証、ネットワークベースの分析、因果推論、薬物再精製により、選択された3つの三つ子(DKK1, SMTN, DRGX), (MTND5, FASTKD2, CSMD3), (MTND5, COG3, CSMD3)は重要なバイオマーカーであり、BMDに直接関係している。 総合的に、上位3つの遺伝子(DKK1, MTND5, FASTKD2)と1つの遺伝子(SIDT1 at p-value= 0.001)がタクロリムス、イバンドロネート、アレンドロネート、バゼドキシフェンの4つの薬物と結合し、OPにおける薬物再精製の候補30のうちの1つとなった。 さらに,提案手法は,マルチオミクスデータセットが利用可能な任意の疾患モデルに適用可能である。

関連論文リスト

• Self-Normalizing Foundation Model for Enhanced Multi-Omics Data Analysis in Oncology [0.0]
  SeNMoは、33のがんタイプにわたるマルチオミクスデータに基づいてトレーニングされた基礎モデルである。 当科では,33のがん部位を含む膵癌マルチオミクスデータを用いて,SeNMoの全身生存を訓練した。 SeNMoはMoffitt Cancer CenterとCPTAC肺扁平上皮癌という2つの独立したコホートで検証された。
  論文  参考訳（メタデータ） (2024-05-13T22:45:44Z)
• DF-DM: A foundational process model for multimodal data fusion in the artificial intelligence era [3.2549142515720044]
  本稿では,データマイニングのためのマルチモーダルデータフュージョンの新しいプロセスモデルを提案する。 我々のモデルは、効率と信頼性を改善しつつ、計算コスト、複雑さ、バイアスを減らすことを目的としている。 本研究は,糖尿病網膜症における網膜画像と患者のメタデータを用いた予測,衛星画像を用いた家庭内暴力予測,インターネット,国勢調査データ,放射線画像と臨床ノートによる臨床像と人口動態の同定という3つのユースケースを通じて有効性を示す。
  論文  参考訳（メタデータ） (2024-04-18T15:52:42Z)
• XAI for In-hospital Mortality Prediction via Multimodal ICU Data [57.73357047856416]
  マルチモーダルICUデータを用いて病院内死亡率を予測するための,効率的で説明可能なAIソリューションを提案する。 我々は,臨床データから異種入力を受信し,意思決定を行うマルチモーダル・ラーニングを我々のフレームワークに導入する。 我々の枠組みは、医療研究において重要な要素の発見を容易にする他の臨床課題に容易に移行することができる。
  論文  参考訳（メタデータ） (2023-12-29T14:28:04Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Quantifying & Modeling Multimodal Interactions: An Information Decomposition Framework [89.8609061423685]
  本稿では,入力モーダル性と出力タスクを関連付けた冗長性,特異性,シナジーの度合いを定量化する情報理論手法を提案する。 PID推定を検証するために、PIDが知られている合成データセットと大規模マルチモーダルベンチマークの両方で広範な実験を行う。 本研究では,(1)マルチモーダルデータセット内の相互作用の定量化,(2)マルチモーダルモデルで捉えた相互作用の定量化,(3)モデル選択の原理的アプローチ,(4)実世界のケーススタディの3つにその有用性を示す。
  論文  参考訳（メタデータ） (2023-02-23T18:59:05Z)
• Functional Integrative Bayesian Analysis of High-dimensional Multiplatform Genomic Data [0.8029049649310213]
  我々は高次元多プラットフォームゲノミクスデータ(fiBAG)の関数積分ベイズ解析というフレームワークを提案する。 fiBAGは、プロテオゲノムバイオマーカーの上流での機能的証拠の同時同定を可能にする。 本研究は,14種類のがんのパン・カンサー解析を用いて,fiBAGの収益性を示す。
  論文  参考訳（メタデータ） (2022-12-29T03:31:45Z)
• Robust Hierarchical Patterns for identifying MDD patients: A Multisite Study [3.4561220135252264]
  大うつ病(MDD)のバイオマーカーとしての階層的スパース接続パターン(h SCP)について検討する。 我々は、静止状態fMRIデータから抽出した機能的接続行列からMDD患者を予測するためのh SCPに基づく新しいモデルを提案する。 本研究の結果は,多様性が予測性能に与える影響を示し,多様性を低減し,コンポーネントの予測・一般化能力を向上させることができる。
  論文  参考訳（メタデータ） (2022-02-22T19:40:32Z)
• DIVERSE: bayesian Data IntegratiVE learning for precise drug ResponSE prediction [27.531532648298768]
  DIVERSEは、細胞株、薬物、遺伝子相互作用のデータから薬物応答を予測するフレームワークです。 ステップ的な方法でデータソースを体系的に統合し、各追加データセットの重要性を順番に検証する。 3つの最先端のアプローチを含む他の5つの方法を明らかに上回る。
  論文  参考訳（メタデータ） (2021-03-31T12:40:00Z)
• 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)
• Two-step penalised logistic regression for multi-omic data with an application to cardiometabolic syndrome [62.997667081978825]
  我々は,各層で変数選択を行うマルチオミックロジスティック回帰に対する2段階のアプローチを実装した。 私たちのアプローチは、可能な限り多くの関連する予測子を選択することを目標とすべきです。 提案手法により,分子レベルでの心筋メタボリックシンドロームの特徴を同定することができる。
  論文  参考訳（メタデータ） (2020-08-01T10:36:27Z)

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。