論文の概要: Efficient Cavity Searching for Gene Network of Influenza A Virus
- arxiv url: http://arxiv.org/abs/2211.02935v1
- Date: Sat, 5 Nov 2022 16:24:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 18:50:22.585428
- Title: Efficient Cavity Searching for Gene Network of Influenza A Virus
- Title（参考訳）: インフルエンザaウイルス遺伝子ネットワークの効率的なキャビティ探索
- Authors: Junjie Li, Jietong Zhao, Yanqing Su, Jiahao Shen, Yaohua Liu, Xinyue
Fan, Zheng Kou
- Abstract要約: インフルエンザAウイルスの遺伝子ネットワークの高次構造(空洞と斜角)は、進化中にウイルス間の密接な関連を明らかにする。
本稿では,インフルエンザウイルス遺伝学のための計算可能な複雑なネットワークにおいて,深層学習に基づくハイパーサーチモデルを提案する。
- 参考スコア（独自算出の注目度）: 8.690486131601075
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High order structures (cavities and cliques) of the gene network of influenza
A virus reveal tight associations among viruses during evolution and are key
signals that indicate viral cross-species infection and cause pandemics. As
indicators for sensing the dynamic changes of viral genes, these higher order
structures have been the focus of attention in the field of virology. However,
the size of the viral gene network is usually huge, and searching these
structures in the networks introduces unacceptable delay. To mitigate this
issue, in this paper, we propose a simple-yet-effective model named HyperSearch
based on deep learning to search cavities in a computable complex network for
influenza virus genetics. Extensive experiments conducted on a public influenza
virus dataset demonstrate the effectiveness of HyperSearch over other advanced
deep-learning methods without any elaborated model crafting. Moreover,
HyperSearch can finish the search works in minutes while 0-1 programming takes
days. Since the proposed method is simple and easy to be transferred to other
complex networks, HyperSearch has the potential to facilitate the monitoring of
dynamic changes in viral genes and help humans keep up with the pace of virus
mutations.
- Abstract（参考訳）: インフルエンザaウイルスの遺伝子ネットワークの高次構造(キャビティとクライク)は、進化の間にウイルス間の密接な関連を示し、ウイルスのクロス種感染を示唆し、パンデミックを引き起こす重要なシグナルである。
ウイルス遺伝子の動的変化を検出する指標として、これらの高次構造はウイルス学の分野における注目の焦点となっている。
しかし、ウイルス遺伝子ネットワークのサイズは通常巨大であり、ネットワーク内のこれらの構造を探索することは許容できない遅延を引き起こす。
本稿では,この問題を緩和するために,インフルエンザウイルス遺伝学の計算可能な複雑なネットワークにおいて,深層学習によるキャビティ検索に基づく,シンプルかつ効果的なHyperSearchモデルを提案する。
一般のインフルエンザウイルスデータセット上で実施された大規模な実験は、詳細なモデル作成なしに、他の高度なディープラーニング手法よりもHyperSearchの有効性を実証している。
さらに、hypersearchは数分で検索を完了でき、0-1プログラミングは数日かかる。
提案手法は他の複雑なネットワークに簡単に移行できるため、HyperSearchはウイルス遺伝子の動的変化のモニタリングを容易にし、ヒトがウイルス突然変異のペースに追随するのに役立つ可能性がある。
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) - Heterogeneous virus classification using a functional deep learning model based on transmission electron microscopy images (Preprint) [2.1346640951813165]
透過電子顕微鏡(TEM)画像の解析は、インスタントウイルスの同定に非常に成功したことが証明されている。
本稿では,これらの画像中のウイルスの種類を正確に識別する深層学習に基づく分類モデルを提案する。
実験の結果、データセットに存在する14種類のウイルスを97.44%の分類精度とF1スコアで区別できることが示された。
論文 参考訳（メタデータ） (2024-05-24T13:52:14Z) - Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2023-10-22T02:27:02Z) - 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) - Dive into Machine Learning Algorithms for Influenza Virus Host Prediction with Hemagglutinin Sequences [4.289396744209968]
インフルエンザウイルスは急速に変異し、公衆衛生、特に脆弱な集団に脅威をもたらす可能性がある。
近年,機械学習アルゴリズムによるウイルス配列の高速かつ正確な予測への関心が高まっている。
本研究では,さまざまな分類レベルで機械学習アルゴリズムを評価するために,実検定データセットと各種評価指標を用いた。
論文 参考訳（メタデータ） (2022-07-28T00:54:54Z) - Multi-channel neural networks for predicting influenza A virus hosts and
antigenic types [3.1981440103815717]
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。
論文 参考訳（メタデータ） (2022-06-08T11:47:31Z) - 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) - Anti-virus Autobots: Predicting More Infectious Virus Variants for
Pandemic Prevention through Deep Learning [0.0]
より感染性のウイルスの変異は、そのタンパク質の急激な突然変異によって生じる可能性がある。
これらの変異体は免疫系を回避し、ワクチンの効果を低下させる。
提案するOptimus PPImeは、既存のウイルスの今後、より感染的な変異を予測するためのディープラーニングアプローチである。
論文 参考訳（メタデータ） (2022-05-30T05:04:40Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳（メタデータ） (2022-02-01T17:11:13Z) - 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) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z)
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。