論文の概要: Bayesian Reconstruction and Differential Testing of Excised mRNA
- arxiv url: http://arxiv.org/abs/2211.07105v1
- Date: Mon, 14 Nov 2022 04:46:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 21:32:50.503070
- Title: Bayesian Reconstruction and Differential Testing of Excised mRNA
- Title(参考訳): 排卵mRNAのベイズ的再構成と鑑別試験
- Authors: Marjan Hosseini, Devin McConnell, Derek Aguiar
- Abstract要約: 我々は、転写と局所スプライシングの視点を調和させる最初の確率モデルを開発する。
拡張mRNA(BREM)の再構成のための新しい階層的ベイズ混和モデルを提案する。
BREMは局所スプライシングイベントとフル長の転写産物を補間し、高い後部確率を持つ中小企業にのみ焦点をあてる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Characterizing the differential excision of mRNA is critical for
understanding the functional complexity of a cell or tissue, from normal
developmental processes to disease pathogenesis. Most transcript reconstruction
methods infer full-length transcripts from high-throughput sequencing data.
However, this is a challenging task due to incomplete annotations and the
differential expression of transcripts across cell-types, tissues, and
experimental conditions. Several recent methods circumvent these difficulties
by considering local splicing events, but these methods lose transcript-level
splicing information and may conflate transcripts. We develop the first
probabilistic model that reconciles the transcript and local splicing
perspectives. First, we formalize the sequence of mRNA excisions (SME)
reconstruction problem, which aims to assemble variable-length sequences of
mRNA excisions from RNA-sequencing data. We then present a novel hierarchical
Bayesian admixture model for the Reconstruction of Excised mRNA (BREM). BREM
interpolates between local splicing events and full-length transcripts and thus
focuses only on SMEs that have high posterior probability. We develop posterior
inference algorithms based on Gibbs sampling and local search of independent
sets and characterize differential SME usage using generalized linear models
based on converged BREM model parameters. We show that BREM achieves higher F1
score for reconstruction tasks and improved accuracy and sensitivity in
differential splicing when compared with four state-of-the-art transcript and
local splicing methods on simulated data. Lastly, we evaluate BREM on both bulk
and scRNA sequencing data based on transcript reconstruction, novelty of
transcripts produced, model sensitivity to hyperparameters, and a functional
analysis of differentially expressed SMEs, demonstrating that BREM captures
relevant biological signal.
- Abstract(参考訳): 細胞や組織の機能的複雑さを正常な発達過程から疾患の発生まで理解するためには、mRNAの差分抽出を特徴づけることが重要である。
ほとんどの転写再建法は、高スループットシークエンシングデータから全長の転写を推定する。
しかし、これは不完全アノテーションと細胞型、組織、実験条件における転写産物の差分表現のために難しい課題である。
近年,局所的なスプライシングイベントを考慮し,これらの問題を回避する方法がいくつかあるが,これらの手法は転写レベルのスプライシング情報を失い,書き起こしを補完する可能性がある。
我々は、転写と局所スプライシングの視点を調和させる最初の確率モデルを開発する。
まず,RNAシーケンシングデータからmRNAエキシションの可変長配列を組み立てることを目的とした,mRNAエキシション(SME)再構成問題を定式化する。
次に, BREM (Restruction of Excized mRNA) のための新しい階層的ベイズ混和モデルを提案する。
BREMは局所スプライシングイベントとフル長の転写産物を補間し、高い後部確率を持つ中小企業にのみ焦点をあてる。
我々は、Gibsサンプリングと独立集合の局所探索に基づく後部推論アルゴリズムを開発し、収束BREMモデルパラメータに基づく一般化線形モデルを用いて微分SMEの使用を特徴付ける。
BREMは, 再現作業におけるF1スコアを向上し, 差分スプライシングの精度と感度を向上させることを示し, シミュレーションデータ上での4つの最先端スプライシング法と局所スプライシング法と比較した。
最後に,転写の再構成,転写の新規性,ハイパーパラメータに対するモデル感度,および差分表現されたSMEの機能解析に基づいてBREMを解析し,BREMが関連する生物学的シグナルを捉えることを示した。
関連論文リスト
- scBIT: Integrating Single-cell Transcriptomic Data into fMRI-based Prediction for Alzheimer's Disease Diagnosis [24.268703526039367]
scBITは、fMRIと単一核RNA(snRNA)を組み合わせてアルツハイマー病(AD)の予測を強化する新しい方法である
snRNAデータを細胞型特異的な遺伝子ネットワークに分割するサンプリング戦略を採用し、自己説明可能なグラフニューラルネットワークを使用してクリティカルなサブグラフを抽出する。
広範囲にわたる実験により、cBITが複雑な脳領域-遺伝子関連を明らかにする効果が検証された。
論文 参考訳(メタデータ) (2025-02-04T18:37:46Z) - ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。
メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
論文 参考訳(メタデータ) (2025-01-08T05:15:43Z) - Diffusion Model with Representation Alignment for Protein Inverse Folding [53.139837825588614]
タンパク質逆フォールディングはバイオインフォマティクスの基本的な問題であり、与えられたタンパク質のバックボーン構造からアミノ酸配列を復元することを目的としている。
表現アライメント(DMRA)を用いた拡散モデルを用いた新しい手法を提案する。
実験では,CATH4.2データセットを広範囲に評価し,DMRAが先行手法より優れていることを示す。
論文 参考訳(メタデータ) (2024-12-12T15:47:59Z) - Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction [88.65168366064061]
本稿では,確率論的推論の課題として,事前学習したMDMを操る作業を行う新しいフレームワークであるDDPPを紹介する。
私たちのフレームワークは、3つの新しい目標のファミリーにつながります。
Wet-lab Validation(ウェット・ラブ・バリデーション)を用いて,報酬最適化タンパク質配列の過渡的発現を観察する。
論文 参考訳(メタデータ) (2024-10-10T17:18:30Z) - 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) - scRDiT: Generating single-cell RNA-seq data by diffusion transformers and accelerating sampling [9.013834280011293]
シングルセルRNAシークエンシング(英: Single-cell RNA Sequencing、scRNA-seq)は、生物研究で広く利用されている基盤技術である。
本研究は、scRDiT(scRNA-seq Diffusion Transformer)と呼ばれる生成的アプローチを紹介する。
この方法は、実際のデータセットを活用して、仮想scRNA-seqデータを生成する。
論文 参考訳(メタデータ) (2024-04-09T09:25:16Z) - Guided Reconstruction with Conditioned Diffusion Models for Unsupervised Anomaly Detection in Brain MRIs [35.46541584018842]
Unsupervised Anomaly Detection (UAD) は、正常なトレーニング分布から異常を外れ値として識別することを目的としている。
生成モデルは、与えられた入力画像に対する健康な脳解剖の再構築を学ぶために使用される。
本稿では,入力画像の潜在表現から得られた付加情報を用いて拡散モデルの復調過程を条件付けることを提案する。
論文 参考訳(メタデータ) (2023-12-07T11:03:42Z) - SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。
推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。
拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
論文 参考訳(メタデータ) (2023-10-03T05:05:35Z) - From Cloze to Comprehension: Retrofitting Pre-trained Masked Language
Model to Pre-trained Machine Reader [130.45769668885487]
Pre-trained Machine Reader (PMR) は、ラベル付きデータを取得することなく、MLMを事前学習機械読解(MRC)モデルに適合させる新しい手法である。
提案したPMRを構築するために,多量の汎用および高品質なMRCスタイルのトレーニングデータを構築した。
PMRは、MRCの定式化における様々な抽出および分類タスクに対処するための統一モデルとして機能する可能性がある。
論文 参考訳(メタデータ) (2022-12-09T10:21:56Z) - Reference-based Magnetic Resonance Image Reconstruction Using Texture
Transforme [86.6394254676369]
高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。
変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。
提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
論文 参考訳(メタデータ) (2021-11-18T03:06:25Z)
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。