論文の概要: RFold: Towards Simple yet Effective RNA Secondary Structure Prediction

• arxiv url: http://arxiv.org/abs/2212.14041v1
• Date: Fri, 2 Dec 2022 16:34:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-09 19:07:54.602818
• Title: RFold: Towards Simple yet Effective RNA Secondary Structure Prediction
• Title（参考訳）: RFold:シンプルで効果的なRNA二次構造予測を目指して
• Authors: Cheng Tan, Zhangyang Gao, Stan Z. Li
• Abstract要約: RFold, 単純で効果的なRNA二次構造予測をエンドツーエンドに提示する。 RFoldは、最先端手法の約8倍の競争性能と推論効率を達成する。
• 参考スコア（独自算出の注目度）: 37.937378787812264
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The secondary structure of ribonucleic acid (RNA) is more stable and accessible in the cell than its tertiary structure, making it essential in functional prediction. Though deep learning has shown promising results in this field, current methods suffer from either the post-processing step with a poor generalization or the pre-processing step with high complexity. In this work, we present RFold, a simple yet effective RNA secondary structure prediction in an end-to-end manner. RFold introduces novel Row-Col Softmax and Row-Col Argmax functions to replace the complicated post-processing step while the output is guaranteed to be valid. Moreover, RFold adopts attention maps as informative representations instead of designing hand-crafted features in the pre-processing step. Extensive experiments demonstrate that RFold achieves competitive performance and about eight times faster inference efficiency than the state-of-the-art method. The code and Colab demo are available in \href{github.com/A4Bio/RFold}{github.com/A4Bio/RFold}.
• Abstract（参考訳）: リボ核酸(RNA)の二次構造は、その第3次構造よりも安定しており、細胞内でアクセスしやすく、機能的な予測に不可欠である。 ディープラーニングはこの分野で有望な結果を示しているが、現在の方法は、一般化が不十分な後処理ステップか、複雑さの高い前処理ステップのいずれかに悩まされている。 本研究は、単純で効果的なRNA二次構造予測であるRFoldをエンドツーエンドに提示する。 RFoldは複雑な後処理ステップを置き換えるために新しいRow-Col SoftmaxとRow-Col Argmax関数を導入した。 さらに、RFoldは、事前処理ステップで手作りの機能を設計する代わりに、アテンションマップを情報表現として採用している。 RFoldは最先端手法の約8倍の競争性能と推論効率を達成できることを示した。 コードとColabのデモは \href{github.com/A4Bio/RFold}{github.com/A4Bio/RFold} で公開されている。

関連論文リスト

• CoRMF: Criticality-Ordered Recurrent Mean Field Ising Solver [4.364088891019632]
  我々は、RNNに基づく効率的なIsingモデル解法、Criticality-ordered Recurrent Mean Field (CoRMF)を提案する。 基礎となるIsingグラフの近似木構造を利用することで、新しく得られた臨界度順序は、変動平均場とRNNの統一を可能にする。 CoRFMはデータ/証拠のない自己学習方式でIsing問題を解き、RNNから直接サンプリングすることで推論タスクを実行することができる。
  論文  参考訳（メタデータ） (2024-03-05T16:55:06Z)
• Asymptotically Unbiased Instance-wise Regularized Partial AUC Optimization: Theory and Algorithm [101.44676036551537]
  One-way partial AUC (OPAUC) と Two-way partial AUC (TPAUC) はバイナリ分類器の平均性能を測定する。 既存の手法のほとんどはPAUCをほぼ最適化するしかなく、制御不能なバイアスにつながる。 本稿では,分散ロバスト最適化AUCによるPAUC問題の簡易化について述べる。
  論文  参考訳（メタデータ） (2022-10-08T08:26:22Z)
• A QUBO model of the RNA folding problem optimized by variational hybrid quantum annealing [0.0]
  本稿では, 量子アニールと回路モデル量子コンピュータの両方に有効なRNA折り畳み問題のモデルを提案する。 この定式化を、既知のRNA構造に対して全てのパラメータを調整した後、現在のRNA折り畳みQUBOと比較する。
  論文  参考訳（メタデータ） (2022-08-08T19:04:28Z)
• E2Efold-3D: End-to-End Deep Learning Method for accurate de novo RNA 3D Structure Prediction [46.38735421190187]
  E2Efold-3Dというエンド・ツー・エンドの深層学習手法を開発し,テクスタイド・ノボRNA構造予測を精度良く行う。 完全微分可能なエンドツーエンドパイプライン、二次構造による自己蒸留、パラメータ効率のよいバックボーンの定式化など、データ不足を克服するために、いくつかの新しいコンポーネントが提案されている。
  論文  参考訳（メタデータ） (2022-07-04T17:15:35Z)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)
• AIN: Fast and Accurate Sequence Labeling with Approximate Inference Network [75.44925576268052]
  線形鎖条件ランダム場(CRF)モデルは最も広く使われているニューラルネットワークラベリング手法の1つである。 厳密な確率的推論アルゴリズムは典型的にはCRFモデルの訓練と予測段階に適用される。 CRFモデルに対して並列化可能な近似変分推論アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-09-17T12:18:43Z)
• RNA Secondary Structure Prediction By Learning Unrolled Algorithms [70.09461537906319]
  本稿では,RNA二次構造予測のためのエンド・ツー・エンドのディープラーニングモデルであるE2Efoldを提案する。 E2Efoldの鍵となる考え方は、RNA塩基対行列を直接予測し、制約のないプログラミングを、制約を強制するための深いアーキテクチャのテンプレートとして使うことである。 ベンチマークデータセットに関する包括的な実験により、E2Efoldの優れた性能を実証する。
  論文  参考訳（メタデータ） (2020-02-13T23:21:25Z)

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。