論文の概要: Massively Increasing the number of Antibody-Virus Interactions across
Studies
- arxiv url: http://arxiv.org/abs/2206.14566v1
- Date: Fri, 10 Jun 2022 20:14:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-04 01:45:45.644214
- Title: Massively Increasing the number of Antibody-Virus Interactions across
Studies
- Title（参考訳）: 研究における抗体・ウイルス相互作用の大量増加
- Authors: Tal Einav and Rong Ma
- Abstract要約: 生物学のあらゆる分野における中心的な課題は、将来の実験の結果を予測するために既存の測定値を使用することである。
本研究では,インフルエンザウイルスの変異株に対する抗体阻害データの豊富さを考察する。
我々は、抗体や血清が他の研究からどのような変異を阻害するかを予測するための計算フレームワークを開発する。
- 参考スコア（独自算出の注目度）: 2.168356143093175
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A central challenge in every field of biology is to use existing measurements
to predict the outcomes of future experiments. In this work, we consider the
wealth of antibody inhibition data against variants of the influenza virus. Due
to this virus's genetic diversity and evolvability, the variants examined in
one study will often have little-to-no overlap with other studies, making it
difficult to discern common patterns or unify datasets for further analysis. To
that end, we develop a computational framework that predicts how an antibody or
serum would inhibit any variant from any other study. We use this framework to
greatly expand 7 influenza datasets utilizing hemagglutination inhibition,
validating our method upon 200,000 existing measurements and predicting more
than 2,000,000 new values along with their prediction uncertainties. This
data-driven approach does not require any information beyond each virus's name
and measurements, and even datasets with as few as 5 viruses can be expanded,
making this approach widely applicable. Future influenza studies using
hemagglutination inhibition can directly utilize our curated datasets to
predict newly measured antibody responses against ~80 H3N2 influenza viruses
from 1968-2011, whereas immunological studies utilizing other viruses or a
different assay only need to find a single partially-overlapping dataset to
extend their work. In essence, this approach enables a shift in perspective
when analyzing data from "what you see is what you get" into "what anyone sees
is what everyone gets."
- Abstract（参考訳）: 生物学のあらゆる分野における中心的な課題は、既存の測定値を使って将来の実験の結果を予測することである。
本研究では,インフルエンザウイルスの変異株に対する抗体阻害データの豊富さを考察する。
このウイルスの遺伝的多様性と進化性のために、ある研究で調べた変異は他の研究とほとんど重複しないことが多く、共通のパターンを識別したりデータセットを統一したりすることは困難である。
そこで我々は,抗体や血清が他の研究からどのような変異を阻害するかを予測する計算フレームワークを開発した。
この枠組みは、ヘマグルチネーション阻害を利用してインフルエンザの7つのデータセットを大幅に拡張し、既存の20万の測定値の検証を行い、予測の不確かさとともに2000万以上の新しい値を予測する。
データ駆動型アプローチは、各ウイルスの名前や測定以上の情報を必要としないため、5つのウイルスしか持たないデータセットを拡張できるため、このアプローチは広く適用できる。
1968年から2011年にかけてのH3N2インフルエンザウイルスに対する新規測定された抗体反応を予測するために、ヘマグルチネーション阻害を用いた将来のインフルエンザ研究では、キュレートされたデータセットを直接利用できるようになる。
本質的には、このアプローチは、“あなたが何を見るか”から“誰もが何を見るか”まで、データ分析の視点を変えることができる。
関連論文リスト
- Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Embracing assay heterogeneity with neural processes for markedly
improved bioactivity predictions [0.276240219662896]
リガンドの生物活性を予測することは、コンピュータ支援薬物発見において最も困難かつ最も重要な課題の1つである。
長年のデータ収集とキュレーションの努力にもかかわらず、生物活性データは希少で不均一である。
異種アッセイ間の情報シナジーを利用した階層型メタラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2023-08-17T16:26:58Z) - Prediction approaches for partly missing multi-omics covariate data: A
literature review and an empirical comparison study [1.2043574473965317]
高次元分子データは、ゲノミクス、トランスクリプトーム、またはプロテオミクスデータのようないくつかのタイプから構成される。
それぞれのオミクスタイプはユニークな情報を提供し、単一のオミクスデータタイプを使用する場合と比較して予測を改善する可能性がある。
しかし、トレーニングデータと自動予測ルールを適用するべきデータでは、すべての患者に異なるオミクスデータ型が利用できるわけではない。
論文 参考訳（メタデータ） (2023-02-08T10:58:27Z) - Image Data collection and implementation of deep learning-based model in
detecting Monkeypox disease using modified VGG16 [0.0]
新たに開発された"Monkeypox2022"データセットを紹介します。
研究1と2の2つの異なる研究を含む改良VGG16モデルを提案し評価する。
検討の結果,サルポックス患者を9.7pm1.8%の精度で同定できることが示唆された。
論文 参考訳（メタデータ） (2022-06-04T00:34:15Z) - Label scarcity in biomedicine: Data-rich latent factor discovery
enhances phenotype prediction [102.23901690661916]
低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。
半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
論文 参考訳（メタデータ） (2021-10-12T16:25:50Z) - 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) - HINT: Hierarchical Interaction Network for Trial Outcome Prediction
Leveraging Web Data [56.53715632642495]
臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。
本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
論文 参考訳（メタデータ） (2021-02-08T15:09:07Z) - Combining Graph Neural Networks and Spatio-temporal Disease Models to
Predict COVID-19 Cases in Germany [0.0]
いくつかの専門家は、新型コロナウイルスの拡散を説明するために人間の移動性を考慮する必要性を求めた。
ほとんどの統計モデルや疫学モデルでは、人間の移動性を符号化するデータを含む非構造化データソースを直接組み込むことはできない。
本稿では,両研究方向のトレードオフを提案し,統計回帰モデルと機械学習モデルの利点を組み合わせた新しい学習手法を提案する。
論文 参考訳（メタデータ） (2021-01-03T16:39:00Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - Adaptive Invariance for Molecule Property Prediction [38.637412590671865]
異種データを超えた一般化や外挿が可能な予測器を学習するための新しい手法を提案する。
提案手法は,最近提案された不変リスク最小化に基づいて拡張する。
我々の予測器は最先端の伝達学習手法をかなりの差で上回っている。
論文 参考訳（メタデータ） (2020-05-05T19:47:20Z)
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。