論文の概要: Predicting pathways for old and new metabolites through clustering
- arxiv url: http://arxiv.org/abs/2211.15720v1
- Date: Mon, 28 Nov 2022 19:07:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 18:10:33.340703
- Title: Predicting pathways for old and new metabolites through clustering
- Title（参考訳）: クラスター化による新旧代謝産物の予測経路
- Authors: Thiru Siddharth, Nathan Lewis
- Abstract要約: 本稿では代謝物構造に基づく経路同定手法を提案する。
両方の特徴群にクラスタリングアルゴリズムを適用した結果、既知の代謝物の92%をそれぞれの経路に正確にリンクしていることが判明した。
- 参考スコア（独自算出の注目度）: 0.06091702876917279
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The diverse metabolic pathways are fundamental to all living organisms, as
they harvest energy, synthesize biomass components, produce molecules to
interact with the microenvironment, and neutralize toxins. While discovery of
new metabolites and pathways continues, the prediction of pathways for new
metabolites can be challenging. It can take vast amounts of time to elucidate
pathways for new metabolites; thus, according to HMDB only 60% of metabolites
get assigned to pathways. Here, we present an approach to identify pathways
based on metabolite structure. We extracted 201 features from SMILES
annotations, and identified new metabolites from PubMed abstracts and HMDB.
After applying clustering algorithms to both groups of features, we quantified
correlations between metabolites, and found the clusters accurately linked 92%
of known metabolites to their respective pathways. Thus, this approach could be
valuable for predicting metabolic pathways for new metabolites.
- Abstract（参考訳）: 多様な代謝経路は、エネルギーを収穫し、バイオマス成分を合成し、微小環境と相互作用する分子を生産し、毒素を中和する、すべての生物にとって基本である。
新しい代謝産物や経路の発見が続いているが、新しい代謝産物の経路の予測は困難である。
新しい代謝産物の経路を解明するのに膨大な時間を要するため、HMDBによると代謝産物の60%しか経路に割り当てられていない。
本稿では,代謝物構造に基づく経路同定手法を提案する。
SMILESアノテーションから201の特徴を抽出し,PubMed抽象とHMDBから新たな代謝産物を同定した。
両特徴群にクラスタリングアルゴリズムを適用した結果,代謝産物間の相関を定量化し,既知の代謝産物の92%をそれぞれの経路に正確に関連付けた。
したがって、このアプローチは新しい代謝産物の代謝経路を予測するのに有用である。
関連論文リスト
- Gene-Metabolite Association Prediction with Interactive Knowledge Transfer Enhanced Graph for Metabolite Production [49.814615043389864]
メタボリックグラフに基づく遺伝子メタボリック・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション・アソシエーション
2474の代謝産物と1947年の2つの一般的な微生物の遺伝子を含む最初のベンチマークを提示する。
提案手法は,各種リンク予測フレームワークのベースラインを最大12.3%向上させる。
論文 参考訳（メタデータ） (2024-10-24T06:54:27Z) - Incorporating Metabolic Information into LLMs for Anomaly Detection in Clinical Time-Series [0.4779196219827506]
本稿では, 生体試料の構造と時間的変化をよりよく把握するために, 代謝経路に関する情報を統合する, 代謝経路駆動型プロンプト法(MPP)を提案する。
本手法をスポーツにおけるドーピング検出に適用し,ステロイド代謝に着目し,スポーツ選手の実世界データを用いて評価した。
論文 参考訳（メタデータ） (2024-10-02T14:05:21Z) - A generalizable framework for unlocking missing reactions in genome-scale metabolic networks using deep learning [3.765163284974983]
CLOSEgapsは、代謝ネットワークをハイパーグラフとしてマッピングし、そのハイパートポロジー機能を学び、欠落した反応とギャップを識別するディープラーニングツールである。
その結果, CLOSEgaps は人工的に導入した GEM の 96% 以上のギャップを正確に埋めることができた。
論文 参考訳（メタデータ） (2024-09-20T06:47:44Z) - Leveraging Biomolecule and Natural Language through Multi-Modal
Learning: A Survey [75.47055414002571]
生物分子モデリングと自然言語(BL)の統合は、人工知能、化学、生物学の交差点において有望な学際領域として現れてきた。
生体分子と自然言語の相互モデリングによって達成された最近の進歩について分析する。
論文 参考訳（メタデータ） (2024-03-03T14:59:47Z) - Improving Biomedical Entity Linking with Retrieval-enhanced Learning [53.24726622142558]
$k$NN-BioELは、トレーニングコーパス全体から同様のインスタンスを予測のヒントとして参照する機能を備えたBioELモデルを提供する。
k$NN-BioELは、いくつかのデータセットで最先端のベースラインを上回ります。
論文 参考訳（メタデータ） (2023-12-15T14:04:23Z) - Transition Path Sampling with Boltzmann Generator-based MCMC Moves [49.69940954060636]
サンプル遷移経路への現在のアプローチはマルコフ連鎖モンテカルロを用いており、新しい経路を見つけるために時間集約的な分子動力学シミュレーションに依存している。
我々の手法は、分子のボルツマン分布からガウスへ写像する正規化フローの潜在空間で機能し、分子シミュレーションを必要とせずに新しい経路を提案する。
論文 参考訳（メタデータ） (2023-12-08T20:05:33Z) - Multi-View Variational Autoencoder for Missing Value Imputation in
Untargeted Metabolomics [17.563099908890013]
本稿では,WGSデータと参照代謝産物の情報を利用して未知の代謝産物をインプットする新しい手法を提案する。
両オミクスデータの潜伏表現を学習することにより,欠落したメタボロミクス値を効果的にインプットすることができる。
論文 参考訳（メタデータ） (2023-10-12T02:34:56Z) - Retrieval-based Controllable Molecule Generation [63.44583084888342]
制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。
我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。
提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
論文 参考訳（メタデータ） (2022-08-23T17:01:16Z) - CogMol: Target-Specific and Selective Drug Design for COVID-19 Using
Deep Generative Models [74.58583689523999]
新規なウイルスタンパク質を標的とした新規な薬物様小分子を設計するためのエンド・ツー・エンドのフレームワークであるCogMolを提案する。
CogMolは、分子SMILES変分オートエンコーダ(VAE)の適応事前学習と、効率的なマルチ属性制御サンプリングスキームを組み合わせる。
CogMolは、高目標特異性と選択性を有する合成可能で低毒性な薬物様分子の多制約設計を扱う。
論文 参考訳（メタデータ） (2020-04-02T18:17:20Z) - A machine learning approach to investigate regulatory control circuits
in bacterial metabolic pathways [0.0]
本研究は,経路内におけるマルチオミクス代謝制御回路を同定する機械学習手法について述べる。
細菌の代謝経路の同定は、これらの回路の分析から導かれる。
論文 参考訳（メタデータ） (2020-01-13T11:04:26Z)
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。