論文の概要: SDGCCA: Supervised Deep Generalized Canonical Correlation Analysis for
Multi-omics Integration
- arxiv url: http://arxiv.org/abs/2204.09045v1
- Date: Sun, 17 Apr 2022 07:22:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-21 13:43:47.361722
- Title: SDGCCA: Supervised Deep Generalized Canonical Correlation Analysis for
Multi-omics Integration
- Title（参考訳）: SDGCCA:マルチオミクス統合のための深い一般化正準相関解析
- Authors: Jeongyoung Hwang (1), Sehwan Moon (2), Hyunju Lee (1 and 2) ((1)
Artificial Intelligence Graduate School of Gwangju Institute of Science and
Technology, (2) School of Electrical Engineering and Computer Science of
Gwangju Institute of Science and Technology)
- Abstract要約: 本稿では,SDGCCA(Deep Generalized Canonical correlation analysis)と呼ばれるマルチオミクス統合手法を提案する。
複素/非線形データ相関を考慮し,表現型群を識別することにより,他の標準相関解析(CCA)に基づくモデルの限界に対処する。
アルツハイマー病(AD)の予測と早期・後期癌の鑑別にSDGCCAを適用したところ、他のCCA法および他の指導方法よりも優れていた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Integration of multi-omics data provides opportunities for revealing
biological mechanisms related to certain phenotypes. We propose a novel method
of multi-omics integration called supervised deep generalized canonical
correlation analysis (SDGCCA) for modeling correlation structures between
nonlinear multi-omics manifolds, aiming for improving classification of
phenotypes and revealing biomarkers related to phenotypes. SDGCCA addresses the
limitations of other canonical correlation analysis (CCA)-based models (e.g.,
deep CCA, deep generalized CCA) by considering complex/nonlinear cross-data
correlations and discriminating phenotype groups. Although there are a few
methods for nonlinear CCA projections for discriminant purposes of phenotypes,
they only consider two views. On the other hand, SDGCCA is the nonlinear
multiview CCA projection method for discrimination. When we applied SDGCCA to
prediction of patients of Alzheimer's disease (AD) and discrimination of early-
and late-stage cancers, it outperformed other CCA-based methods and other
supervised methods. In addition, we demonstrate that SDGCCA can be used for
feature selection to identify important multi-omics biomarkers. In the
application on AD data, SDGCCA identified clusters of genes in multi-omics
data, which are well known to be associated with AD.
- Abstract（参考訳）: マルチオミクスデータの統合は、特定の表現型に関連する生物学的メカニズムを明らかにする機会を提供する。
本論文では,非線形多面多様体間の相関構造をモデル化するためのsupervised deep generalized canonical correlation analysis (sdgcca) と呼ばれる多面的統合手法を提案する。
SDGCCAは他の標準相関解析(CCA)に基づくモデル(ディープCCA、ディープ一般化CCA)の制約に対処し、複素/非線形のクロスデータ相関を考慮し、表現型を識別する。
表現型を識別するための非線形CCA投影法はいくつか存在するが、2つの観点しか考慮していない。
一方,SDGCCAは識別のための非線形多視点CCA投影法である。
アルツハイマー病(AD)の予測と早期・後期癌の鑑別にSDGCCAを適用したところ、他のCCA法および他の指導方法よりも優れていた。
さらに,SDGCCAを特徴選択に利用して,重要なマルチオミクスバイオマーカーを同定できることを実証した。
ADデータへの応用において、SDGCCAはADに関連することがよく知られているマルチオミクスデータ中の遺伝子のクラスターを同定した。
関連論文リスト
- MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。
セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文 参考訳（メタデータ） (2024-06-12T15:22:56Z) - Multimodal Neurodegenerative Disease Subtyping Explained by ChatGPT [15.942849233189664]
アルツハイマー病は最も多い神経変性疾患である。
現在のデータ駆動型アプローチでは、ADまたは関連する障害の後期段階でサブタイプを分類することができるが、無症状またはプロドロマル段階の予測では困難である。
本稿では,AD患者を早期にサブタイプに分類するために,画像,遺伝学,臨床評価などの早期指標を用いたマルチモーダルフレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-31T19:30:04Z) - IGCN: Integrative Graph Convolution Networks for patient level insights and biomarker discovery in multi-omics integration [2.0971479389679337]
本稿では,癌分子サブタイプとバイオメディカル分類のための新しい統合ニューラルネットワークアプローチを提案する。
IGCNは、特定のクラスを予測するために患者に対してどのタイプのオミクスがより強調されるかを特定することができる。
IGCNは、様々なオミクスデータタイプから重要なバイオマーカーを特定できる。
論文 参考訳（メタデータ） (2024-01-31T05:52:11Z) - Multi-Class Anomaly Detection based on Regularized Discriminative
Coupled hypersphere-based Feature Adaptation [85.15324009378344]
本稿では,修正正規化識別変分オートエンコーダ(RD-VAE)によって得られたクラス識別特性を特徴抽出プロセスに組み込んだ新しいモデルを提案する。
提案した正規化識別型超球型特徴適応(RD-CFA)は,多クラス異常検出のための解である。
論文 参考訳（メタデータ） (2023-11-24T14:26:07Z) - Unsupervised ensemble-based phenotyping helps enhance the
discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。
教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。
これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文 参考訳（メタデータ） (2023-01-07T18:36:44Z) - Pathology Steered Stratification Network for Subtype Identification in
Alzheimer's Disease [7.594681424335177]
アルツハイマー病(英: Alzheimers disease、AD)は、β-アミロイド、病理学的タウ、神経変性を特徴とする異種多時性神経変性疾患である。
本稿では,AD病理学に確立されたドメイン知識を反応拡散モデルにより組み込んだ新しい病理組織形成ネットワーク(PSSN)を提案する。
論文 参考訳（メタデータ） (2022-10-12T02:52:00Z) - rfPhen2Gen: A machine learning based association study of brain imaging
phenotypes to genotypes [71.1144397510333]
56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。
アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。
ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
論文 参考訳（メタデータ） (2022-03-31T20:15:22Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - Multi-modality fusion using canonical correlation analysis methods:
Application in breast cancer survival prediction from histology and genomics [16.537929113715432]
2つのモードの融合にカノニカル相関解析(CCA)とCCAのペナル化変種を用いて検討した。
モデルパラメータが既知の場合,両モードを併用した後進平均推定器は,潜時変動予測における単一モード後進推定器の任意の線形混合よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-11-27T21:18:01Z) - Discriminative Multiple Canonical Correlation Analysis for Information
Fusion [22.16154251673042]
マルチモーダル情報解析と融合のための識別型多重正準相関解析(DMCCA)を提案する。
DMCCAは、クラス内相関を同時に最大化し、クラス間相関を最小化する投影方向を求める。
DMCCAのプロトタイプを実装し、手書きの数字認識と人間の感情認識でその性能を実証します。
論文 参考訳（メタデータ） (2021-02-28T00:42:43Z) - 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)
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。