論文の概要: PRIME: Uncovering Circadian Oscillation Patterns and Associations with
AD in Untimed Genome-wide Gene Expression across Multiple Brain Regions
- arxiv url: http://arxiv.org/abs/2208.12811v1
- Date: Thu, 25 Aug 2022 21:47:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-30 13:20:10.291308
- Title: PRIME: Uncovering Circadian Oscillation Patterns and Associations with
AD in Untimed Genome-wide Gene Expression across Multiple Brain Regions
- Title(参考訳): prime: untimed genome-wide gene expression across multiple brain regionにおける概日リズムのパターンとadとの関連性
- Authors: Xinxing Wu and Chong Peng and Gregory Jicha and Donna Wilcock and
Qiang Cheng
- Abstract要約: 概日リズムの破壊はアルツハイマー病(AD)患者の中心症状である。
本研究では,非時間高次元遺伝子発現データにおけるリズム振動パターンの検出と解析を行う,新しい包括的アプローチPRIMEを提案する。
以上の結果から,15対の制御領域における同期発振パターンが明らかとなった。
- 参考スコア(独自算出の注目度): 26.49476885059271
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The disruption of circadian rhythm is a cardinal symptom for Alzheimer's
disease (AD) patients. The full circadian rhythm orchestration of gene
expression in the human brain and its inherent associations with AD remain
largely unknown. We present a novel comprehensive approach, PRIME, to detect
and analyze rhythmic oscillation patterns in untimed high-dimensional gene
expression data across multiple datasets. To demonstrate the utility of PRIME,
firstly, we validate it by a time course expression dataset from mouse liver as
a cross-species and cross-organ validation. Then, we apply it to study
oscillation patterns in untimed genome-wide gene expression from 19 human brain
regions of controls and AD patients. Our findings reveal clear, synchronized
oscillation patterns in 15 pairs of brain regions of control, while these
oscillation patterns either disappear or dim for AD. It is worth noting that
PRIME discovers the circadian rhythmic patterns without requiring the sample's
timestamps. The codes for PRIME, along with codes to reproduce the figures in
this paper, are available at https://github.com/xinxingwu-uk/PRIME.
- Abstract(参考訳): 概日リズムの破壊はアルツハイマー病(AD)患者の中心症状である。
ヒト脳における遺伝子発現の概日リズムの完全な調整と、ADと固有の関連性はほとんど不明である。
本稿では,複数のデータセットにまたがる非時間高次元遺伝子発現データにおいて,リズム振動パターンを検出し解析するための包括的アプローチPRIMEを提案する。
PRIMEの実用性を実証するため,まず,マウス肝臓の時系列表現データセットを用いて,種間および組織間検証を行った。
そこで本研究は,ヒト脳制御領域19領域およびAD患者の不時性ゲノムワイド遺伝子発現における発振パターンの研究に応用した。
以上の結果から,15対の脳制御領域における同期発振パターンは明らかであり,これらの発振パターンはADでは消失または消失した。
PRIMEはサンプルのタイムスタンプを必要とせずに概日リズムパターンを発見することに注意する必要がある。
PRIMEのコードは、この論文の数字を再現するコードとともに、https://github.com/xinxingwu-uk/PRIMEで入手できる。
関連論文リスト
- Spatial-temporal Memories Enhanced Graph Autoencoder for Anomaly Detection in Dynamic Graphs [52.956235109354175]
動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。
空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。
STRIPEは、動的グラフの異なる空間的・時間的ダイナミクスを効果的に活用することにより、異常を識別する優れた能力を示した。
論文 参考訳(メタデータ) (2024-03-14T02:26:10Z) - Are we certain it's anomalous? [57.729669157989235]
時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。
本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。
HypADは自己指導で入力信号を再構築する。
論文 参考訳(メタデータ) (2022-11-16T21:31:39Z) - Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification
Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。
提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文 参考訳(メタデータ) (2022-11-12T23:28:54Z) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。
専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。
専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文 参考訳(メタデータ) (2021-03-30T09:59:56Z) - A Pilot Study on Visually-Stimulated Cognitive Tasks for EEG-Based
Dementia Recognition Using Frequency and Time Features [3.9728427877905568]
本研究の目的は、健常者(NC)、軽度認知障害(MCI)、認知症(DEM)の3群における脳波(EEG)信号の差を調べることである。
4つの視覚刺激課題の脳波信号を用いた機械学習による認知症診断のパイロット研究を開発した。
論文 参考訳(メタデータ) (2021-03-05T18:13:23Z) - Disentangling brain heterogeneity via semi-supervised deep-learning and
MRI: dimensional representations of Alzheimer's Disease [2.7724592931061016]
Smile-GANは、神経解剖学的不均一性を分解する新しい半監視深層クラスタリング法である。
smile-ganは、p1、正常解剖、最も高い認知能力、p2、軽度/拡散性萎縮、より著明な執行機能障害、p3、中心側頭側頭葉萎縮、記憶障害の相対的増加を含む4つの神経変性パターン/軸索を同定した。
論文 参考訳(メタデータ) (2021-02-24T22:09:16Z) - A deep learning classifier for local ancestry inference [63.8376359764052]
局所祖先推論は、個人のゲノムの各セグメントの祖先を特定する。
我々は,エンコーダ・デコーダアーキテクチャを備えた深層畳み込みニューラルネットワークを用いた新しいLAIツールを開発した。
我々は,既存のゴールド標準ツール RFMix とほぼ同等の精度で,ゼロショットタスクとしてアドミキシングを学習できることを実証した。
論文 参考訳(メタデータ) (2020-11-04T00:42:01Z) - Whole MILC: generalizing learned dynamics across tasks, datasets, and
populations [14.99255412075299]
障害特異的力学の理論は、疾患の早期診断と理解に不可欠である。
本稿では,コンテキストに局所的な相互シーケンス情報を強化する,教師付きトレーニングモデルを提案する。
統合失調症 (i) とアルツハイマー病 (iii) の3つの異なる疾患と4つの異なる研究について本モデルを検証した。
論文 参考訳(メタデータ) (2020-07-29T21:07:30Z) - Smile-GANs: Semi-supervised clustering via GANs for dissecting brain
disease heterogeneity from medical images [4.965264481651854]
半教師付きクラスタリングのためのSmile-GAN (SeMi-supervIsed cLustEring via GANs) を提案する。
Smile-GANはまずCNからPTを生成することで複数の異なるマッピングを学習し、それぞれのマッピングは比較的異なる1つの病理パターンを特徴付ける。
Smile-GANは、PT/CNデータ分布の緩和された仮定と非直線性を示すマッピングを用いて、CNとPTドメイン間の分布の不均一な差異を捉えている。
論文 参考訳(メタデータ) (2020-06-27T02:06:21Z) - RED: Deep Recurrent Neural Networks for Sleep EEG Event Detection [0.0]
我々は、リカレントイベント検出器(RED)と呼ばれる睡眠脳波イベント検出のための深層学習手法を提案する。
REDは2つの入力表現のうちの1つを使用している:a) 時間領域のEEG信号、またはb) 連続ウェーブレット変換(CWT)で得られる信号の複素スペクトル。
MASSデータセットで評価すると、我々の検出器は、それぞれ80.9%と82.6%の平均F1スコアで睡眠スピンドルとK-プレプレックス検出の両方において、技術の現状より優れています。
論文 参考訳(メタデータ) (2020-05-15T21:48:26Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z)
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。