論文の概要: Multi-channel neural networks for predicting influenza A virus hosts and antigenic types

• arxiv url: http://arxiv.org/abs/2206.03823v1
• Date: Wed, 8 Jun 2022 11:47:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-09 15:05:58.148361
• Title: Multi-channel neural networks for predicting influenza A virus hosts and antigenic types
• Title（参考訳）: インフルエンザaウイルス宿主と抗原型を予測するマルチチャネルニューラルネットワーク
• Authors: Yanhua Xu and Dominik Wojtczak
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.1981440103815717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Influenza occurs every season and occasionally causes pandemics. Despite its low mortality rate, influenza is a major public health concern, as it can be complicated by severe diseases like pneumonia. A fast, accurate and low-cost method to predict the origin host and subtype of influenza viruses could help reduce virus transmission and benefit resource-poor areas. In this work, we propose multi-channel neural networks to predict antigenic types and hosts of influenza A viruses with hemagglutinin and neuraminidase protein sequences. An integrated data set containing complete protein sequences were used to produce a pre-trained model, and two other data sets were used for testing the model's performance. One test set contained complete protein sequences, and another test set contained incomplete protein sequences. The results suggest that multi-channel neural networks are applicable and promising for predicting influenza A virus hosts and antigenic subtypes with complete and partial protein sequences.
• Abstract（参考訳）: インフルエンザは季節ごとに発生し、時折パンデミックを引き起こす。 死亡率が低いにもかかわらず、インフルエンザは肺炎などの重篤な疾患によって複雑になるため、公衆衛生上の問題となっている。 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、迅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。 本研究では,ヘマグルチニンおよびノイラミニダーゼタンパク質配列を用いたA型インフルエンザウイルスの抗原型および宿主を予測するためのマルチチャネルニューラルネットワークを提案する。 完全タンパク質配列を含む統合データセットを使用して事前訓練されたモデルを作成し、他の2つのデータセットをモデルの性能テストに使用した。 1つのテストセットは完全なタンパク質配列を含み、もう1つのテストセットは不完全なタンパク質配列を含む。 その結果,A型インフルエンザウイルスの宿主および抗原サブタイプを完全かつ部分的なタンパク質配列で予測するために,マルチチャネルニューラルネットワークが適用可能であることが示唆された。

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)
• MC-NN: An End-to-End Multi-Channel Neural Network Approach for Predicting Influenza A Virus Hosts and Antigenic Types [5.067354030054702]
  インフルエンザは公衆衛生、特に高齢者、幼児、基礎疾患を持つ人々にとって重大な脅威となる。 インフルエンザAウイルスの宿主および抗原サブタイプを予測するためのマルチチャネルニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-08T23:14:39Z)
• 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)
• Collective Robustness Certificates: Exploiting Interdependence in Graph Neural Networks [71.78900818931847]
  ノード分類、画像分割、名前付き一致認識といったタスクでは、複数の予測を同時に出力する分類器があります。 既存の対向ロバスト性証明は、それぞれの予測を独立に考慮し、従ってそのようなタスクに対して過度に悲観的である。 本稿では,摂動下で安定に保たれることが保証される予測数を計算した最初の集合ロバスト性証明を提案する。
  論文  参考訳（メタデータ） (2023-02-06T14:46:51Z)
• 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)
• A multitask transfer learning framework for the prediction of virus-human protein-protein interactions [0.30586855806896046]
  我々は、約2400万のタンパク質配列の情報と、ヒトの相互作用系からの相互作用パターンを利用する転写学習手法を開発した。 我々は、ヒトタンパク質とタンパク質の相互作用を観測する確率を最大化することを目的とした追加の目的を用いる。 実験結果から,本モデルがウイルス-ヒト-ヒト-ヒト-タンパク質相互作用予測タスクに有効であることが示された。
  論文  参考訳（メタデータ） (2021-11-26T07:53:51Z)
• Certifiers Make Neural Networks Vulnerable to Availability Attacks [70.69104148250614]
  私たちは初めて、逆転戦略が敵によって意図的に引き起こされる可能性があることを示します。 いくつかの入力や摂動のために自然に発生する障害に加えて、敵は故意にフォールバックを誘発するために訓練時間攻撃を使用することができる。 我々は2つの新しいアベイラビリティーアタックを設計し、これらの脅威の実用的妥当性を示す。
  論文  参考訳（メタデータ） (2021-08-25T15:49:10Z)
• 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)
• MutaGAN: A Seq2seq GAN Framework to Predict Mutations of Evolving Protein Populations [0.0]
  このディープラーニングフレームワークの理想的なテストケースとしてインフルエンザウイルス配列が同定された。 MutaGANは、中央のレベンシュテイン距離が2.00アミノ酸である与えられた「親」タンパク質配列から「子」配列を生成した。 結果は, 病原体予測を補助する MutaGAN フレームワークの能力が, タンパク質集団の進化予測に広く有用であることを示すものである。
  論文  参考訳（メタデータ） (2020-08-26T20:20:30Z)
• 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。