論文の概要: Global Mapping of Gene/Protein Interactions in PubMed Abstracts: A
Framework and an Experiment with P53 Interactions
- arxiv url: http://arxiv.org/abs/2204.10476v1
- Date: Fri, 22 Apr 2022 03:04:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-25 14:44:34.541793
- Title: Global Mapping of Gene/Protein Interactions in PubMed Abstracts: A
Framework and an Experiment with P53 Interactions
- Title（参考訳）: PubMed Abstractsにおける遺伝子/プロテイン相互作用のグローバルマッピング:フレームワークとP53相互作用の実験
- Authors: Xin Li, Hsinchun Chen, Zan Huang, Hua Su, Jesse D. Martinez
- Abstract要約: 多くの生物医学文献は、遺伝子/タンパク質の相互作用情報の重要な情報源である。
テキストマイニングツールの最近の進歩により、自由テキスト文学からこのような文書化された相互作用を自動的に抽出することが可能になった。
本稿では,生物医学文献リポジトリから抽出した遺伝子/タンパク質相互作用に基づいて,大規模遺伝子機能ネットワークの構築と解析を行う包括的フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 7.361249273831739
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Gene/protein interactions provide critical information for a thorough
understanding of cellular processes. Recently, considerable interest and effort
has been focused on the construction and analysis of genome-wide gene networks.
The large body of biomedical literature is an important source of gene/protein
interaction information. Recent advances in text mining tools have made it
possible to automatically extract such documented interactions from free-text
literature. In this paper, we propose a comprehensive framework for
constructing and analyzing large-scale gene functional networks based on the
gene/protein interactions extracted from biomedical literature repositories
using text mining tools. Our proposed framework consists of analyses of the
network topology, network topology-gene function relationship, and temporal
network evolution to distill valuable information embedded in the gene
functional interactions in literature. We demonstrate the application of the
proposed framework using a testbed of P53-related PubMed abstracts, which shows
that literature-based P53 networks exhibit small-world and scale-free
properties. We also found that high degree genes in the literature-based
networks have a high probability of appearing in the manually curated database
and genes in the same pathway tend to form local clusters in our
literature-based networks. Temporal analysis showed that genes interacting with
many other genes tend to be involved in a large number of newly discovered
interactions.
- Abstract（参考訳）: 遺伝子/タンパク質相互作用は、細胞プロセスの徹底的な理解のために重要な情報を提供する。
近年,ゲノムワイド遺伝子ネットワークの構築と解析に多大な関心と努力が注がれている。
多くの生物医学文献は、遺伝子/タンパク質相互作用情報の重要な情報源である。
テキストマイニングツールの最近の進歩により、フリーテキストの文献から文書化されたインタラクションを自動的に抽出できるようになった。
本稿では,テキストマイニングツールを用いたバイオメディカル文献リポジトリから抽出した遺伝子/タンパク質相互作用に基づいて,大規模遺伝子機能ネットワークの構築と解析を行う包括的なフレームワークを提案する。
提案するフレームワークは,ネットワークトポロジ,ネットワークトポロジ-遺伝子機能関係,時間ネットワーク進化を解析し,文献における遺伝子機能相互作用に埋め込まれた貴重な情報を抽出する。
文献ベースのP53ネットワークは,P53に関連するPubMed抽象化の試験ベッドを用いて,小規模かつ大規模な特性を示す。
また、文献ベースネットワークの高次遺伝子は、手動でキュレートされたデータベースに出現する確率が高く、同じ経路の遺伝子は文献ベースネットワークの局所的なクラスタを形成する傾向にあることも見出した。
時間的解析により、他の多くの遺伝子と相互作用する遺伝子は、新たに発見された多数の相互作用に関与する傾向があることが示された。
関連論文リスト
- BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。
BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。
6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
論文 参考訳（メタデータ） (2024-05-27T19:57:17Z) - Leveraging Biomolecule and Natural Language through Multi-Modal
Learning: A Survey [75.47055414002571]
生物分子モデリングと自然言語(BL)の統合は、人工知能、化学、生物学の交差点において有望な学際領域として現れてきた。
生体分子と自然言語の相互モデリングによって達成された最近の進歩について分析する。
論文 参考訳（メタデータ） (2024-03-03T14:59:47Z) - 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) - DDeMON: Ontology-based function prediction by Deep Learning from Dynamic
Multiplex Networks [0.7349727826230864]
本研究の目的は、遺伝子発現の時間的ダイナミクスとシステムのレベル情報の融合がいかにして新しい遺伝子機能を予測するかを検討することである。
時間依存型多スケール生体情報を用いた関数アノテーションのスケーラブルなシステムレベルの推論手法であるDDeMONを提案する。
論文 参考訳（メタデータ） (2023-02-08T06:53:02Z) - 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) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - Gene Function Prediction with Gene Interaction Networks: A Context Graph
Kernel Approach [24.234645183601998]
そこで本研究では,焦点遺伝子に関連付けられた遺伝子相互作用ネットワークとして,遺伝子コンテキストグラフを用いた機能推定を提案する。
カーネルベースの機械学習フレームワークでは、コンテキストグラフで情報をキャプチャするコンテキストグラフカーネルを設計する。
論文 参考訳（メタデータ） (2022-04-22T02:54:01Z) - Graph Representation Learning on Tissue-Specific Multi-Omics [0.0]
組織特異的遺伝子間相互作用(GGI)ネットワーク上でリンク予測を行うために,グラフ埋め込みモデル(すなわちVGAE)を利用する。
複数生物のモダリティ(マルチオミクス)の組み合わせは、強力な埋め込みとより良いリンク予測性能をもたらすことを証明した。
論文 参考訳（メタデータ） (2021-07-25T17:38:45Z) - Heterogeneous Graph based Deep Learning for Biomedical Network Link
Prediction [7.628651624423363]
バイオメディカルネットワークリンクを予測するためのグラフペアベースのリンク予測モデル(GPLP)を提案する。
InPでは、既知のネットワーク相互作用行列から抽出された1ホップのサブグラフを学習し、欠落リンクを予測する。
本手法は他のバイオメディカルネットワークにおける潜在的な応用を実証する。
論文 参考訳（メタデータ） (2021-01-28T07:35:29Z) - Predicting Biomedical Interactions with Higher-Order Graph Convolutional
Networks [2.9488233765621295]
本稿では,生物医学的相互作用予測のための高次グラフ畳み込みネットワーク(HOGCN)を提案する。
タンパク質-タンパク質、薬物-ドラッグ、薬物-ターゲット、遺伝子-放出相互作用を含む4つの相互作用ネットワークの実験は、HOGCNがより正確で校正された予測を達成していることを示している。
論文 参考訳（メタデータ） (2020-10-16T17:16:09Z) - Extracting a Knowledge Base of Mechanisms from COVID-19 Papers [50.17242035034729]
我々はメカニズムの知識ベース(KB)の構築を追求する。
我々は、妥当性と幅のバランスをとる広範で統一されたスキーマを開発する。
実験は、新型コロナウイルスの文献に関する学際的な科学的検索を支援するためのKBの有用性を実証する。
論文 参考訳（メタデータ） (2020-10-08T07:54:14Z)
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。