論文の概要: Applications of Machine Learning in Pharmacogenomics: Clustering Plasma
Concentration-Time Curves
- arxiv url: http://arxiv.org/abs/2210.13310v1
- Date: Mon, 24 Oct 2022 14:57:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 18:39:22.207823
- Title: Applications of Machine Learning in Pharmacogenomics: Clustering Plasma
Concentration-Time Curves
- Title(参考訳): 機械学習の薬理ゲノミクスへの応用:血漿濃度-時間曲線のクラスタリング
- Authors: Jackson P. Lautier, Stella Grosser, Jessica Kim, Hyewon Kim, Junghi
Kim
- Abstract要約: クラスタリングPK曲線のコンテキスト内に階層的クラスタリングを導入し,類似した形状のPK曲線の同定に有効であることを示す。
また、ユークリッド距離をクラスタリング PK 曲線に最も適したものとして同定するために、時系列オブジェクト間の多くの相似性尺度についても検討する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pharmaceutical researchers are continually searching for techniques to
improve both drug development processes and patient outcomes. An area of recent
interest is the potential for machine learning applications within
pharmacology. One such application not yet given close study is the
unsupervised clustering of plasma concentration-time curves, hereafter,
pharmacokinetic (PK) curves. This can be done by treating a PK curve as a time
series object and subsequently utilizing the extensive body of research related
to the clustering of time series data objects. In this paper, we introduce
hierarchical clustering within the context of clustering PK curves and find it
to be effective at identifying similar-shaped PK curves and informative for
understanding patterns of PK curves via its dendrogram data visualization. We
also examine many dissimilarity measures between time series objects to
identify Euclidean distance as generally most appropriate for clustering PK
curves. We further show that dynamic time warping, Fr\'echet, and
structure-based measures of dissimilarity like correlation may produce
unexpected results. Finally, we apply these methods to a dataset of 250 PK
curves as an illustrative case study to demonstrate how the clustering of PK
curves can be used as a descriptive tool for summarizing and visualizing
complex PK data, which may enhance the study of pharmacogenomics in the context
of precision medicine.
- Abstract(参考訳): 製薬研究者は、薬物開発プロセスと患者の成果の両方を改善する技術を模索し続けている。
近年の関心領域は、薬理学における機械学習応用の可能性である。
あまり研究されていない応用の1つは、血漿濃度-時間曲線(以下、pk曲線)の教師なしクラスタリングである。
これは、pk曲線を時系列オブジェクトとして扱い、その後、時系列データオブジェクトのクラスタリングに関連する広範な研究成果を活用することで実現できる。
本稿では,PK曲線のクラスタリングにおける階層的クラスタリングを導入し,類似した形状のPK曲線の同定と,そのデンドログラムデータ可視化によるPK曲線のパターン理解に有効であることを示す。
また,pk曲線のクラスタリングに最も適したユークリッド距離を同定するために,時系列オブジェクト間の多くの相似性尺度も検討した。
さらに, 動的時間ゆがみ, fr\'echet, 構造に基づく相関性などの異質性尺度が予期しない結果をもたらすことを示した。
最後に,これらの手法を250pk曲線のデータセットに適用し,pk曲線のクラスタリングが複雑なpkデータを要約・可視化するための記述的ツールとしてどのように利用できるかを示す。
関連論文リスト
- Causal K-Means Clustering [5.087519744951637]
Causal k-Means Clusteringは、広く使われているk-means Clusteringアルゴリズムを利用して、未知の部分群構造を明らかにする。
既成のアルゴリズムを用いて簡易かつ容易に実装可能なプラグイン推定器を提案する。
提案手法は,複数の治療レベルを有する近代的な結果研究に特に有用である。
論文 参考訳(メタデータ) (2024-05-05T23:59:51Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in
Disease Progression [82.85825388788567]
我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。
T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
論文 参考訳(メタデータ) (2023-02-24T13:30:35Z) - Tree-Based Learning on Amperometric Time Series Data Demonstrates High
Accuracy for Classification [0.0]
計算科学におけるデータ駆動型アプローチを用いて,多様なアンペロメトリデータセットに対する分類法を提案する。
非常に高い予測精度(95%以上)を示す。
これは機械学習のスキームを提案し、特にフルアンペロメトリ時系列データに基づく教師あり学習を提案する最初の研究の1つである。
論文 参考訳(メタデータ) (2023-02-06T09:44:53Z) - On unsupervised projections and second order signals [2.0686407686198263]
本稿では,線形射影が潜在群間の2次構造の違いを保てるかどうかを問う。
我々は2つの一般的な射影、すなわち乱射影(RP)と主成分分析(PCA)を考える。
この広い範囲のレジームにおいて、PCAはRPよりも2階信号を保持するのに効果的であることが判明し、しばしば監督投影と競合する。
論文 参考訳(メタデータ) (2022-04-11T14:16:31Z) - Combining Observational and Randomized Data for Estimating Heterogeneous
Treatment Effects [82.20189909620899]
不均一な治療効果を推定することは、多くの領域において重要な問題である。
現在、現存するほとんどの作品は観測データにのみ依存している。
本稿では、大量の観測データと少量のランダム化データを組み合わせることで、不均一な処理効果を推定する。
論文 参考訳(メタデータ) (2022-02-25T18:59:54Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳(メタデータ) (2021-11-15T03:16:56Z) - The chemical space of terpenes: insights from data science and AI [0.30458514384586405]
テルペン(terpenes)は、化学的、生物学的に重要な多様性を持つ天然物の総称である。
私たちは、テルペンの多様性を特定し、コンパイルし、特徴付けるために、データサイエンスベースのアプローチを採用しています。
論文 参考訳(メタデータ) (2021-10-27T12:27:17Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳(メタデータ) (2020-07-07T21:04:55Z) - Temporal Phenotyping using Deep Predictive Clustering of Disease
Progression [97.88605060346455]
我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。
2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
論文 参考訳(メタデータ) (2020-06-15T20:48:43Z) - Data Curves Clustering Using Common Patterns Detection [0.0]
分析とクラスタリングの時系列、あるいは一般にあらゆる種類の曲線は、いくつかの人間の活動にとって重要である。
共通パターン(CP)方法論を用いた新しい曲線クラスタリングについて紹介する。
論文 参考訳(メタデータ) (2020-01-05T18:36:38Z)
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。