論文の概要: Multilayer Perceptron Network Discriminates Larval Zebrafish Genotype using Behaviour

• arxiv url: http://arxiv.org/abs/2211.03051v2
• Date: Tue, 8 Nov 2022 01:48:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 15:10:05.149740
• Title: Multilayer Perceptron Network Discriminates Larval Zebrafish Genotype using Behaviour
• Title（参考訳）: 多層パーセプトロンネットワークを用いた幼魚の遺伝子型判別
• Authors: Christopher Fusco, Angel Allen
• Abstract要約: 5日間の遺伝子型によるパーキンソン病のゼブラフィッシュモデルの分類法を提案する。 多層パーセプトロンニューラルネットワークを訓練する。 統合的な勾配を用いることで、モデルによる遺伝子型分類に対する各行動特徴の影響を把握できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Zebrafish are a common model organism used to identify new disease therapeutics. High-throughput drug screens can be performed on larval zebrafish in multi-well plates by observing changes in behaviour following a treatment. Analysis of this behaviour can be difficult, however, due to the high dimensionality of the data obtained. Statistical analysis of individual statistics (such as the distance travelled) is generally not powerful enough to detect meaningful differences between treatment groups. Here, we propose a method for classifying zebrafish models of Parkinson's disease by genotype at 5 days old. Using a set of 2D behavioural features, we train a multi-layer perceptron neural network. We further show that the use of integrated gradients can give insight into the impact of each behaviour feature on genotype classifications by the model. In this way, we provide a novel pipeline for classifying zebrafish larvae, beginning with feature preparation and ending with an impact analysis of said features.
• Abstract（参考訳）: ゼブラフィッシュ(zebrafish)は、新しい疾患の治療に用いられる一般的なモデル生物である。 高スループットの薬物スクリーンは、治療後の行動の変化を観察することで、マルチウェルプレートの幼虫ゼブラフィッシュ上で行うことができる。 しかし、この挙動の解析は、得られたデータの高次元性のため困難である。 個々の統計(例えば移動距離など)の統計分析は一般に、治療群間で有意な差異を検出するのに十分ではない。 本稿では,5日間の遺伝子型によるパーキンソン病のゼブラフィッシュモデルの分類法を提案する。 2次元の動作特徴のセットを使用して、多層パーセプトロンニューラルネットワークを訓練する。 さらに,統合勾配を用いることで,各行動特徴がモデルによる遺伝子型分類に与える影響を把握できることを示した。 このようにして、我々はゼブラフィッシュ幼虫を分類するための新しいパイプラインを提供する。

関連論文リスト

• Spectral Graph Sample Weighting for Interpretable Sub-cohort Analysis in Predictive Models for Neuroimaging [11.60042534415617]
  スペクトル人口グラフの固有基底の線形結合として対象重量をモデル化することを提案する。 そうすることで、学習した重量はグラフ全体でスムーズに変化し、高い予測可能性と低い予測可能性を持つサブコホートが強調される。 既存の試料重み付け方式と比較して, 試料重み付けは解釈性を改善し, 特徴の異なるサブコホートを強調させる。
  論文  参考訳（メタデータ） (2024-10-01T16:48:15Z)
• Towards Precision Cardiovascular Analysis in Zebrafish: The ZACAF Paradigm [0.9837190842240352]
  ゼブラフィッシュの心臓機能を定量化する枠組みを開発した。 さらに、データ拡張、転送学習、テスト時間拡張を適用して、パフォーマンスを改善しました。
  論文  参考訳（メタデータ） (2024-02-15T01:58:49Z)
• A cost-based multi-layer network approach for the discovery of patient phenotypes [2.816539638885011]
  コミュニティ検出手法を用いて表現型を検出するためのコストベース層セレクタモデルを提案する。 私たちのゴールは、その品質を維持しながら、これらの表現型を構築するのに使用される機能の数を最小化することです。 いくつかの後処理変数では、COBALTの表現型を特徴とする予測子は、従来のクラスタリング法で検出された表現型よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T14:07:10Z)
• rfPhen2Gen: A machine learning based association study of brain imaging phenotypes to genotypes [71.1144397510333]
  56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。 アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。 ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
  論文  参考訳（メタデータ） (2022-03-31T20:15:22Z)
• Equivariance Allows Handling Multiple Nuisance Variables When Analyzing Pooled Neuroimaging Datasets [53.34152466646884]
  本稿では,構造空間上でインスタンス化された同変表現学習における最近の結果と,因果推論における古典的結果の簡易な利用が,いかに効果的に実現されたかを示す。 いくつかの仮定の下で、我々のモデルが複数のニュアンス変数を扱えることを実証し、そうでなければサンプルの大部分を取り除く必要のあるシナリオにおいて、プールされた科学データセットの分析を可能にする。
  論文  参考訳（メタデータ） (2022-03-29T04:54:06Z)
• Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
  本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。 モデルがサブセット固有の知識の学習に集中するように強制する。 提案手法は長期網膜疾患認識タスクに有効であることが判明した。
  論文  参考訳（メタデータ） (2021-04-22T13:39:33Z)
• Mycorrhiza: Genotype Assignment usingPhylogenetic Networks [2.286041284499166]
  遺伝子型代入問題に対する機械学習手法であるMycorrhizaを紹介する。 提案アルゴリズムは系統ネットワークを用いて,標本間の進化的関係を符号化する特徴を設計する。 Mycorrhizaは、大きな平均固定指数(FST)を持つデータセットやハーディ・ワインバーグ平衡からの偏差で特に顕著な利得を得る。
  論文  参考訳（メタデータ） (2020-10-14T02:36:27Z)
• Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
  新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。 標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。 原理的に部分観測可能なベイズ的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-12T20:37:33Z)
• 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)
• Two-step penalised logistic regression for multi-omic data with an application to cardiometabolic syndrome [62.997667081978825]
  我々は,各層で変数選択を行うマルチオミックロジスティック回帰に対する2段階のアプローチを実装した。 私たちのアプローチは、可能な限り多くの関連する予測子を選択することを目標とすべきです。 提案手法により,分子レベルでの心筋メタボリックシンドロームの特徴を同定することができる。
  論文  参考訳（メタデータ） (2020-08-01T10:36:27Z)

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。