論文の概要: Accurate Virus Identification with Interpretable Raman Signatures by Machine Learning

• arxiv url: http://arxiv.org/abs/2206.02788v1
• Date: Sun, 5 Jun 2022 22:31:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-09 11:52:20.159567
• Title: Accurate Virus Identification with Interpretable Raman Signatures by Machine Learning
• Title（参考訳）: 機械学習による解釈可能なラマンシグネチャを用いた正確なウイルス同定
• Authors: Jiarong Ye, Yin-Ting Yeh, Yuan Xue, Ziyang Wang, Na Zhang, He Liu, Kunyan Zhang, RyeAnne Ricker, Zhuohang Yu, Allison Roder, Nestor Perea Lopez, Lindsey Organtini, Wallace Greene, Susan Hafenstein, Huaguang Lu, Elodie Ghedin, Mauricio Terrones, Shengxi Huang, Sharon Xiaolei Huang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 12.184128048998906
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid identification of newly emerging or circulating viruses is an important first step toward managing the public health response to potential outbreaks. A portable virus capture device coupled with label-free Raman Spectroscopy holds the promise of fast detection by rapidly obtaining the Raman signature of a virus followed by a machine learning approach applied to recognize the virus based on its Raman spectrum, which is used as a fingerprint. We present such a machine learning approach for analyzing Raman spectra of human and avian viruses. A Convolutional Neural Network (CNN) classifier specifically designed for spectral data achieves very high accuracy for a variety of virus type or subtype identification tasks. In particular, it achieves 99% accuracy for classifying influenza virus type A vs. type B, 96% accuracy for classifying four subtypes of influenza A, 95% accuracy for differentiating enveloped and non-enveloped viruses, and 99% accuracy for differentiating avian coronavirus (infectious bronchitis virus, IBV) from other avian viruses. Furthermore, interpretation of neural net responses in the trained CNN model using a full-gradient algorithm highlights Raman spectral ranges that are most important to virus identification. By correlating ML-selected salient Raman ranges with the signature ranges of known biomolecules and chemical functional groups (for example, amide, amino acid, carboxylic acid), we verify that our ML model effectively recognizes the Raman signatures of proteins, lipids and other vital functional groups present in different viruses and uses a weighted combination of these signatures to identify viruses.
• Abstract（参考訳）: 新たに出現または循環するウイルスの迅速同定は、潜在的な流行に対する公衆衛生対応を管理するための重要な第一歩である。 ラベルフリーラマン分光法と組み合わされた携帯型ウイルス捕獲装置は、ウイルスのラマンシグネチャを迅速に取得し、さらにそのラマンスペクトルに基づいてウイルスを認識する機械学習アプローチを指紋として適用することにより、高速検出の可能性を秘めている。 本稿では,ヒトおよび鳥類ウイルスのラマンスペクトルを解析するための機械学習手法を提案する。 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。 特に、インフルエンザウイルスA型とB型を分類する99%の精度、インフルエンザAの4種類のサブタイプを分類する96%の精度、エンベロープウイルスと非エンベロープウイルスを区別する95%の精度、他の鳥ウイルスと区別する99%の精度を達成する。 さらに、完全勾配アルゴリズムを用いた訓練cnnモデルにおけるニューラルネット応答の解釈は、ウイルス同定に最も重要なラマンスペクトル範囲を強調する。 ML-selected salient Raman ranges with the signature ranges of known biomolecules and chemical functional groups(例えば、アミド、アミノ酸、カルボン酸)を関連づけることで、我々のMLモデルは異なるウイルスに存在するタンパク質、脂質、その他の重要な官能基のRamanシグネチャを効果的に認識し、これらのシグネチャの重み付けを組み合わせてウイルスを同定することを検証する。

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)
• Heterogeneous virus classification using a functional deep learning model based on transmission electron microscopy images (Preprint) [2.1346640951813165]
  透過電子顕微鏡(TEM)画像の解析は、インスタントウイルスの同定に非常に成功したことが証明されている。 本稿では,これらの画像中のウイルスの種類を正確に識別する深層学習に基づく分類モデルを提案する。 実験の結果、データセットに存在する14種類のウイルスを97.44%の分類精度とF1スコアで区別できることが示された。
  論文  参考訳（メタデータ） (2024-05-24T13:52:14Z)
• 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)
• 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)
• 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)
• Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
  我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。 シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T19:16:56Z)
• Multi-channel neural networks for predicting influenza A virus hosts and antigenic types [3.1981440103815717]
  インフルエンザウイルスの宿主とサブタイプを予測するための高速で正確で低コストな手法は、ウイルスの感染を減らし、資源の乏しい地域に利益をもたらす。 本稿では,A型インフルエンザウイルスの抗原型と宿主を完全かつ部分的なタンパク質配列で予測するマルチチャネルニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-06-08T11:47:31Z)
• 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)
• 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)
• 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。