論文の概要: Redundancy-aware unsupervised ranking based on game theory --
application to gene enrichment analysis
- arxiv url: http://arxiv.org/abs/2207.12184v1
- Date: Fri, 22 Jul 2022 08:57:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 16:03:58.377848
- Title: Redundancy-aware unsupervised ranking based on game theory --
application to gene enrichment analysis
- Title（参考訳）: 冗長性に着目したゲーム理論に基づく教師なしランキング -遺伝子エンリッチメント解析への応用-
- Authors: Chiara Balestra, Carlo Maj, Emmanuel Mueller, Andreas Mayr
- Abstract要約: シングルトンの分布とそのサイズに基づいて,集合の族内の集合をランク付けする手法を提案する。
本研究は, 遺伝子集合コレクションに対するアプローチの評価であり, 得られたランクは, 冗長性が低く, 高いカバレッジを示す。
- 参考スコア（独自算出の注目度）: 0.28675177318965034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gene set collections are a common ground to study the enrichment of genes for
specific phenotypic traits. Gene set enrichment analysis aims to identify genes
that are over-represented in gene sets collections and might be associated with
a specific phenotypic trait. However, as this involves a massive number of
hypothesis testing, it is often questionable whether a pre-processing step to
reduce gene sets collections' sizes is helpful. Moreover, the often highly
overlapping gene sets and the consequent low interpretability of gene sets'
collections demand for a reduction of the included gene sets. Inspired by this
bioinformatics context, we propose a method to rank sets within a family of
sets based on the distribution of the singletons and their size. We obtain
sets' importance scores by computing Shapley values without incurring into the
usual exponential number of evaluations of the value function. Moreover, we
address the challenge of including a redundancy awareness in the rankings
obtained where, in our case, sets are redundant if they show prominent
intersections. We finally evaluate our approach for gene sets collections; the
rankings obtained show low redundancy and high coverage of the genes. The
unsupervised nature of the proposed ranking does not allow for an evident
increase in the number of significant gene sets for specific phenotypic traits
when reducing the size of the collections. However, we believe that the
rankings proposed are of use in bioinformatics to increase interpretability of
the gene sets collections and a step forward to include redundancy into Shapley
values computations.
- Abstract（参考訳）: 遺伝子集合集は、特定の表現型形質の遺伝子富化を研究する共通の基盤である。
遺伝子セットエンリッチメント分析は、遺伝子セットコレクションに過剰に発現し、特定の表現形質に関連付けられる遺伝子を同定することを目的としている。
しかし、これは膨大な数の仮説検証を伴うため、遺伝子集合のサイズを減らす前処理ステップが有用かどうか疑問視されることが多い。
さらに、しばしば重なり合う遺伝子セットと、それに伴う遺伝子セットのコレクションの低解釈性は、含まれた遺伝子セットの減少を要求する。
このバイオインフォマティクスの文脈に触発され、シングルトンの分布とその大きさに基づいて集合群内の集合をランク付けする方法を提案する。
値関数の指数関数的評価数を伴わずにshapley値を計算することにより,集合の重要度スコアを得る。
さらに,集合が顕著な交点を示す場合,集合が冗長であるようなランキングに冗長性意識を含めることの課題にも対処する。
最終的に,遺伝子集合コレクションに対する我々のアプローチを評価し,得られた分類値から,遺伝子の冗長性が低く,高いカバレッジが得られた。
提案されたランキングの教師なしの性質は、コレクションのサイズを減らす際に特定の表現型の特徴に対して重要な遺伝子セットの数を明らかに増加させることを許さない。
しかし,提案するランキングは,遺伝子集合の解釈可能性を高めるためにバイオインフォマティクスで利用されており,シェープリー値の計算に冗長性を含める方向に進んでいると考えられる。
関連論文リスト
- Semantically Rich Local Dataset Generation for Explainable AI in Genomics [0.716879432974126]
ゲノム配列に基づいて訓練されたブラックボックス深層学習モデルは、異なる遺伝子制御機構の結果を予測するのに優れている。
本稿では、遺伝的プログラミングを用いて、その意味的多様性に寄与する配列の摂動を進化させることによりデータセットを生成することを提案する。
論文 参考訳（メタデータ） (2024-07-03T10:31:30Z) - Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。
BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。
BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文 参考訳（メタデータ） (2024-06-05T06:42:27Z) - VQDNA: Unleashing the Power of Vector Quantization for Multi-Species Genomic Sequence Modeling [60.91599380893732]
VQDNAは、ゲノムボキャブラリ学習の観点からゲノムのトークン化を改良する汎用フレームワークである。
ベクトル量子化されたコードブックを学習可能な語彙として活用することにより、VQDNAはゲノムをパターン認識の埋め込みに適応的にトークン化することができる。
論文 参考訳（メタデータ） (2024-05-13T20:15:03Z) - 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) - Redundancy-aware unsupervised rankings for collections of gene sets [0.28675177318965034]
本稿では,重要度スコアを用いて,集合的包括的視点からコンテキストを研究するコレクションの経路をランク付けすることを提案する。
提案手法は,遺伝子集合の集合の解釈可能性を高めるためにバイオインフォマティクスにおける実用的有用性を示す。
論文 参考訳（メタデータ） (2023-07-30T09:39:42Z) - Feature extraction using Spectral Clustering for Gene Function
Prediction [0.4492444446637856]
本稿では,クラスタ分析と階層的マルチラベル分類を組み合わせたアノテーション問題に対する,シリコアプローチの新たなアプローチを提案する。
提案手法は、世界で最も支配的かつ生産的な作物であるゼア・メイズ(Zia mays)のケーススタディに適用される。
論文 参考訳（メタデータ） (2022-03-25T10:17:36Z) - Multi-modal Self-supervised Pre-training for Regulatory Genome Across
Cell Types [75.65676405302105]
我々は、GeneBERTと呼ばれる、多モードかつ自己管理的な方法でゲノムデータを事前学習するための、単純かつ効果的なアプローチを提案する。
我々はATAC-seqデータセットで1700万のゲノム配列でモデルを事前訓練する。
論文 参考訳（メタデータ） (2021-10-11T12:48:44Z) - Mining Functionally Related Genes with Semi-Supervised Learning [0.0]
我々は、豊富な機能セットを導入し、半教師付き学習アプローチとともにそれらを使用する。
正およびラベルなし例(LPU)による学習の枠組みは機能的関連遺伝子のマイニングに特に適していることが示されている。
論文 参考訳（メタデータ） (2020-11-05T20:34:09Z) - Identifying Stress Responsive Genes using Overlapping Communities in
Co-expression Networks [0.0]
本論文は、植物の特定の治療に応答する遺伝子を同定するワークフローを提案する。
米(Oryza sativa)は、塩ストレスに敏感な主要な食品である。
論文 参考訳（メタデータ） (2020-10-23T21:14:59Z) - A Novel Granular-Based Bi-Clustering Method of Deep Mining the
Co-Expressed Genes [76.84066556597342]
ビクラスタリング法は、サンプル(遺伝子)のサブセットが試験条件下で協調的に制御されるバイクラスタをマイニングするために用いられる。
残念ながら、従来の二クラスタ法はそのような二クラスタを発見するのに完全には効果がない。
本稿では,グラニュラーコンピューティングの理論を取り入れた新しい2クラスタリング手法を提案する。
論文 参考訳（メタデータ） (2020-05-12T02:04:40Z) - Learn to Predict Sets Using Feed-Forward Neural Networks [63.91494644881925]
本稿では、ディープフィードフォワードニューラルネットワークを用いた設定予測の課題に対処する。
未知の置換と基数を持つ集合を予測するための新しい手法を提案する。
関連視覚問題に対する集合定式化の有効性を実証する。
論文 参考訳（メタデータ） (2020-01-30T01:52:07Z)
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。