Fugu-MT 論文翻訳(概要): PINNet: a deep neural network with pathway prior knowledge for Alzheimer's disease

論文の概要: PINNet: a deep neural network with pathway prior knowledge for Alzheimer's disease

arxiv url: http://arxiv.org/abs/2211.15669v1
Date: Sun, 27 Nov 2022 05:00:26 GMT
ステータス: 処理完了
システム内更新日: 2022-11-30 15:27:53.612817
Title: PINNet: a deep neural network with pathway prior knowledge for Alzheimer's disease
Title（参考訳）: pinnet:アルツハイマー病の経路事前知識を持つディープニューラルネットワーク
Authors: Yeojin Kim, Hyunju Lee
Abstract要約: 早期診断にはアルツハイマー病(AD)関連転写因子の血液からの同定が重要である。本稿では,AD患者を予測し,血液および脳の転写学的シグネチャを解析するための経路情報に基づくニューラルネットワーク(PINNet)を提案する。
参考スコア（独自算出の注目度）: 2.726037037420483
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Identification of Alzheimer's Disease (AD)-related transcriptomic signatures from blood is important for early diagnosis of the disease. Deep learning techniques are potent classifiers for AD diagnosis, but most have been unable to identify biomarkers because of their lack of interpretability. To address these challenges, we propose a pathway information-based neural network (PINNet) to predict AD patients and analyze blood and brain transcriptomic signatures using an interpretable deep learning model. PINNet is a deep neural network (DNN) model with pathway prior knowledge from either the Gene Ontology or Kyoto Encyclopedia of Genes and Genomes databases. Then, a backpropagation-based model interpretation method was applied to reveal essential pathways and genes for predicting AD. We compared the performance of PINNet with a DNN model without a pathway. Performances of PINNet outperformed or were similar to those of DNN without a pathway using blood and brain gene expressions, respectively. Moreover, PINNet considers more AD-related genes as essential features than DNN without a pathway in the learning process. Pathway analysis of protein-protein interaction modules of highly contributed genes showed that AD-related genes in blood were enriched with cell migration, PI3K-Akt, MAPK signaling, and apoptosis in blood. The pathways enriched in the brain module included cell migration, PI3K-Akt, MAPK signaling, apoptosis, protein ubiquitination, and t-cell activation. Collectively, with prior knowledge about pathways, PINNet reveals essential pathways related to AD.
Abstract（参考訳）: 早期診断にはアルツハイマー病(AD)関連転写因子の血液からの同定が重要である。深層学習技術はAD診断のための強力な分類法であるが、ほとんどの場合、解釈可能性の欠如によりバイオマーカーを識別できなかった。これらの課題に対処するために,AD患者を予測し,解釈可能な深層学習モデルを用いて血液および脳の転写シグネチャを解析するための経路情報ベースニューラルネットワーク(PINNet)を提案する。 pinnetは深層ニューラルネットワーク(dnn)モデルであり、遺伝子オントロジーまたは京都遺伝子百科事典データベースの経路事前知識を持っている。次に,AD予測に必須の経路と遺伝子を明らかにするために,バックプロパゲーションに基づくモデル解釈法を適用した。我々はPINNetの性能を経路のないDNNモデルと比較した。 PINNetのパフォーマンスは、それぞれ、血液および脳の遺伝子発現を使用する経路を持たないDNNよりも優れ、もしくは類似していた。さらに、PINNetは、AD関連遺伝子が学習過程の経路を持たないDNNよりも重要な特徴であると考えている。血液中のAD関連遺伝子は, 細胞移動, PI3K-Akt, MAPKシグナリング, アポトーシスに富んでいることが明らかとなった。脳モジュールに富んだ経路には、細胞移動、PI3K-Akt、MAPKシグナル伝達、アポトーシス、タンパク質ユビキチン化、t細胞活性化が含まれる。まとめると、PINNetはADに関連する重要な経路を明らかにする。

関連論文リスト

Multi Scale Graph Neural Network for Alzheimer's Disease [9.008922244965085]
アルツハイマー病(英語: Alzheimer's disease、AD)は、細胞外アベタプラーク、神経線維性タウ・タングル、グリア活性化、神経変性を特徴とする複雑で進行的な神経変性疾患である。そこで我々は,老化からADスペクトル全体にわたるドナーの脳ミクスデータを用いて,マルチスケールグラフニューラルネットワーク(GNN)モデルALZ PINNACLEを開発した。 ALZ PINNACLE は PINNACLE GNN フレームワークをベースとしている。
論文参考訳（メタデータ） (2024-11-16T06:48:14Z)
An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease [13.213387075528017]
アルツハイマー病(英語: Alzheimer's disease、AD)は認知能力の低下が進行する認知症である。構造的MRIと機能的MRIを利用して,病原性GMと機能的ネットワーク接続の変化を調査した。本稿では,Cycle GANを用いた生成モジュールを用いたDLに基づく新しい分類手法を提案する。
論文参考訳（メタデータ） (2024-06-19T07:31:47Z)
Transferability of coVariance Neural Networks and Application to Interpretable Brain Age Prediction using Anatomical Features [119.45320143101381]
グラフ畳み込みネットワーク(GCN)は、トポロジー駆動のグラフ畳み込み演算を利用して、推論タスクのためにグラフをまたいだ情報を結合する。我々は、共分散行列をグラフとして、共分散ニューラルネットワーク(VNN)の形でGCNを研究した。 VNNは、GCNからスケールフリーなデータ処理アーキテクチャを継承し、ここでは、共分散行列が極限オブジェクトに収束するデータセットに対して、VNNが性能の転送可能性を示すことを示す。
論文参考訳（メタデータ） (2023-05-02T22:15:54Z)
Don't PANIC: Prototypical Additive Neural Network for Interpretable Classification of Alzheimer's Disease [2.4469484645516837]
本稿では,アルツハイマー病 (AD) の分類を解釈するための原型付加型ニューラルネットワークであるPANICを提案する。 PANICはAD分類における最先端のパフォーマンスを達成し,局所的およびグローバルな説明を直接提供することを示す。
論文参考訳（メタデータ） (2023-03-13T13:56:20Z)
NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文参考訳（メタデータ） (2023-01-01T12:48:12Z)
Pathology Steered Stratification Network for Subtype Identification in Alzheimer's Disease [7.594681424335177]
アルツハイマー病(英: Alzheimers disease、AD)は、β-アミロイド、病理学的タウ、神経変性を特徴とする異種多時性神経変性疾患である。本稿では,AD病理学に確立されたドメイン知識を反応拡散モデルにより組み込んだ新しい病理組織形成ネットワーク(PSSN)を提案する。
論文参考訳（メタデータ） (2022-10-12T02:52:00Z)
POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文参考訳（メタデータ） (2022-01-19T09:26:34Z)
DecGAN: Decoupling Generative Adversarial Network detecting abnormal neural circuits for Alzheimer's disease [29.30199956567813]
アルツハイマー病(AD)の神経回路異常を検出するために,新たに生成する対向神経回路(DecGAN)が提案されている。実験により,ADの異なる段階における異常な神経回路を効果的に検出できることが示唆された。
論文参考訳（メタデータ） (2021-10-12T03:05:01Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文参考訳（メタデータ） (2020-09-16T15:16:03Z)
A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文参考訳（メタデータ） (2020-05-08T02:29:24Z)

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。