論文の概要: Higher order organizational features can distinguish protein interaction networks of disease classes: a case study of neoplasms and neurological diseases

• arxiv url: http://arxiv.org/abs/2212.13171v1
• Date: Mon, 26 Dec 2022 14:21:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 15:43:25.430668
• Title: Higher order organizational features can distinguish protein interaction networks of disease classes: a case study of neoplasms and neurological diseases
• Title（参考訳）: 高次組織的特徴は、疾患クラスのタンパク質相互作用ネットワークを区別する:腫瘍と神経疾患のケーススタディ
• Authors: Vikram Singh and Vikram Singh
• Abstract要約: ネオプラズマ(NPs)と神経疾患と疾患(NDDs)は、世界中の不均等な数の人の死の根底にある病気の主要な分類の一つである。 これら2つのクラスに属する疾患の発症時に出現するタンパク質相互作用の局所的配線パターンに特有の特徴があるかどうかを調べるために,NPとNDDに属する112と175のタンパク質相互作用ネットワークについて検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Neoplasms (NPs) and neurological diseases and disorders (NDDs) are amongst the major classes of diseases underlying deaths of a disproportionate number of people worldwide. To determine if there exist some distinctive features in the local wiring patterns of protein interactions emerging at the onset of a disease belonging to either of these two classes, we examined 112 and 175 protein interaction networks belonging to NPs and NDDs, respectively. Orbit usage profiles (OUPs) for each of these networks were enumerated by investigating the networks' local topology. 56 non-redundant OUPs (nrOUPs) were derived and used as network features for classification between these two disease classes. Four machine learning classifiers, namely, k-nearest neighbour (KNN), support vector machine (SVM), deep neural network (DNN), random forest (RF) were trained on these data. DNN obtained the greatest average AUPRC (0.988) among these classifiers. DNNs developed on node2vec and the proposed nrOUPs embeddings were compared using 5-fold cross validation on the basis of average values of the six of performance measures, viz., AUPRC, Accuracy, Sensitivity, Specificity, Precision and MCC. It was found that nrOUPs based classifier performed better in all of these six performance measures.
• Abstract（参考訳）: ネオプラズマ(NPs)と神経疾患と疾患(NDDs)は、世界中の不均等な数の人の死の根底にある病気の主要な分類の一つである。 これら2つのクラスに属する疾患の発症時に出現するタンパク質相互作用の局所的配線パターンに特有の特徴があるかどうかを調べるために,NPとNDDに属する112と175のタンパク質相互作用ネットワークについて検討した。 それぞれのネットワークの軌道利用プロファイル(OUP)は、ネットワークの局所的なトポロジを調査して列挙された。 56個のNon-redundant OUPs(nrOUPs)を誘導し,これら2つの病型分類のネットワーク特徴として利用した。 k-nearest neighbor(KNN)、サポートベクターマシン(SVM)、ディープニューラルネットワーク(DNN)、ランダムフォレスト(RF)の4つの機械学習分類器がこれらのデータに基づいて訓練された。 DNNはこれらの分類器の中で最も平均的な AUPRC (0.988) を得た。 node2vec 上で開発された DNN と提案した nrOUPs の埋め込みを,viz., AUPRC, Accuracy, Sensitivity, Specificity, Precision, MCC の6つの評価指標の平均値に基づいて 5 倍のクロスバリデーションを用いて比較した。 nroupsベースの分類器は,これら6つの性能指標すべてにおいて優れた性能を示した。

関連論文リスト

• Unveiling the Power of Sparse Neural Networks for Feature Selection [60.50319755984697]
  スパースニューラルネットワーク(SNN)は、効率的な特徴選択のための強力なツールとして登場した。 動的スパーストレーニング(DST)アルゴリズムで訓練されたSNNは、平均して50%以上のメモリと55%以上のFLOPを削減できることを示す。 以上の結果から,DSTアルゴリズムで訓練したSNNによる特徴選択は,平均して50ドル以上のメモリと55%のFLOPを削減できることがわかった。
  論文  参考訳（メタデータ） (2024-08-08T16:48:33Z)
• The Identification and Categorization of Anemia Through Artificial Neural Networks: A Comparative Analysis of Three Models [0.0]
  本稿では、貧血の診断と分類のための異なるニューラルネットワークベースのアルゴリズムを提案する。 提案したニューラルネットワークは、9つの入力(年齢、性別、RBC、HGB、HCT、MCV、MCH、MCHC、WBC)と1つの出力を含む。 多様な患者に対するシミュレーションの結果から,提案する人工ニューラルネットワークが疾患の存在を迅速かつ正確に検出できることが示されている。
  論文  参考訳（メタデータ） (2024-04-06T17:37:45Z)
• Neural Population Decoding and Imbalanced Multi-Omic Datasets For Cancer Subtype Diagnosis [0.0]
  人口復号化がWTAネットワークの分類性能に顕著な影響を与えていることを示す。 The Cancer Genome Atlasのデータセットを用いて,多眼データからの癌サブタイプ診断の問題にWTAネットワークを適用した。
  論文  参考訳（メタデータ） (2024-01-06T06:54:58Z)
• How neural networks learn to classify chaotic time series [77.34726150561087]
  本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。 入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
  論文  参考訳（メタデータ） (2023-06-04T08:53:27Z)
• Extrapolation and Spectral Bias of Neural Nets with Hadamard Product: a Polynomial Net Study [55.12108376616355]
  NTKの研究は典型的なニューラルネットワークアーキテクチャに特化しているが、アダマール製品(NNs-Hp)を用いたニューラルネットワークには不完全である。 本研究では,ニューラルネットワークの特別なクラスであるNNs-Hpに対する有限幅Kの定式化を導出する。 我々は,カーネル回帰予測器と関連するNTKとの等価性を証明し,NTKの適用範囲を拡大する。
  論文  参考訳（メタデータ） (2022-09-16T06:36:06Z)
• FCM-DNN: diagnosing coronary artery disease by deep accuracy Fuzzy C-Means clustering model [0.5340189314359047]
  提案したFCM-DNNモデルは99.91%の精度で10個のクラスタ、すなわち健康な被験者に5個のクラスタ、病気患者に5個のクラスタを特定できる。 その結果,提案したFCM-DNNモデルが科学・研究センターに有用であることが確認された。
  論文  参考訳（メタデータ） (2022-02-09T06:41:44Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• Structure and Performance of Fully Connected Neural Networks: Emerging Complex Network Properties [0.8484871864277639]
  完全連結ニューラルネットワークの構造と性能を解析するために,複素ネットワーク(CN)技術を提案する。 4万のモデルとそれぞれのCNプロパティでデータセットを構築します。 本研究は,完全連結ニューラルネットワークの性能において,CN特性が重要な役割を担っていることを示唆する。
  論文  参考訳（メタデータ） (2021-07-29T14:53:52Z)
• Supervised Multi-topology Network Cross-diffusion for Population-driven Brain Network Atlas Estimation [1.2891210250935146]
  代表的で差別的な脳ネットワークアトラス(BNA)を推定することは、初期の研究分野である。 BNA満足度を推定するための教師付きマルチトポロジーネットワーククロスディフュージョンフレームワークを提案する。 我々のSM-netFusionは、その変種や最先端手法と比較して最も中心的で代表的なテンプレートを生成する。
  論文  参考訳（メタデータ） (2020-09-23T11:17:41Z)
• Exploiting Heterogeneity in Operational Neural Networks by Synaptic Plasticity [87.32169414230822]
  最近提案されたネットワークモデルであるオペレーショナルニューラルネットワーク(ONN)は、従来の畳み込みニューラルネットワーク(CNN)を一般化することができる。 本研究では, 生体ニューロンにおける本質的な学習理論を示すSynaptic Plasticityパラダイムに基づいて, ネットワークの隠蔽ニューロンに対する最強演算子集合の探索に焦点をあてる。 高難易度問題に対する実験結果から、神経細胞や層が少なくても、GISベースのONNよりも優れた学習性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-08-21T19:03:23Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。