論文の概要: Comprehensive analysis of gene expression profiles to radiation exposure reveals molecular signatures of low-dose radiation response

• arxiv url: http://arxiv.org/abs/2301.01769v1
• Date: Tue, 3 Jan 2023 20:35:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 14:35:29.869178
• Title: Comprehensive analysis of gene expression profiles to radiation exposure reveals molecular signatures of low-dose radiation response
• Title（参考訳）: 放射線曝露による遺伝子発現プロファイルの包括的解析による低線量放射線応答の分子的特徴
• Authors: Xihaier Luo and Sean McCorkle and Gilchan Park and Vanessa Lopez-Marrero and Shinjae Yoo and Edward R. Dougherty and Xiaoning Qian and Francis J. Alexander and Byung-Jun Yoon
• Abstract要約: 低線量放射線照射による遺伝子発現プロファイルの包括的解析を行う。 我々は,特定の遺伝子群が放射レベルに整合した方法で調節された表現パターンを示すか否かを決定するために,統計的枠組みを用いる。
• 参考スコア（独自算出の注目度）: 15.434518016385764
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: There are various sources of ionizing radiation exposure, where medical exposure for radiation therapy or diagnosis is the most common human-made source. Understanding how gene expression is modulated after ionizing radiation exposure and investigating the presence of any dose-dependent gene expression patterns have broad implications for health risks from radiotherapy, medical radiation diagnostic procedures, as well as other environmental exposure. In this paper, we perform a comprehensive pathway-based analysis of gene expression profiles in response to low-dose radiation exposure, in order to examine the potential mechanism of gene regulation underlying such responses. To accomplish this goal, we employ a statistical framework to determine whether a specific group of genes belonging to a known pathway display coordinated expression patterns that are modulated in a manner consistent with the radiation level. Findings in our study suggest that there exist complex yet consistent signatures that reflect the molecular response to radiation exposure, which differ between low-dose and high-dose radiation.
• Abstract（参考訳）: 放射線照射には様々な原因があり、放射線治療や診断のための医療用露光が最も一般的な人為的な光源である。 放射線照射後、どのように遺伝子発現が調節されるかを理解し、線量依存的な遺伝子発現パターンの存在を調べることは、放射線治療、医療放射線診断、その他の環境暴露による健康リスクに幅広い影響を及ぼす。 本稿では,低線量被曝による遺伝子発現プロファイルの包括的解析を行い,そのような応答を基盤とする遺伝子発現制御の可能性について検討する。 この目的を達成するために、我々は、既知の経路に属する特定の遺伝子群が、放射線レベルと一致する方法で調節される協調した発現パターンを示すかどうかを決定するための統計的枠組みを用いる。 本研究の結果から,低線量放射線と高線量放射線の分子応答を反映する複雑なシグネチャが存在することが示唆された。

関連論文リスト

• A Prompt-Guided Spatio-Temporal Transformer Model for National-Wide Nuclear Radiation Forecasting [8.648463333222285]
  放射線は人間の健康と環境の安全に重大なリスクをもたらす。 NRFormerは、核放射線の変動を全国的に予測するための革新的なフレームワークである。
  論文  参考訳（メタデータ） (2024-10-15T12:58:57Z)
• Precision Cancer Classification and Biomarker Identification from mRNA Gene Expression via Dimensionality Reduction and Explainable AI [0.9423257767158634]
  本研究では,33種類の異なる癌とその対応する遺伝子群を正確に同定するための包括的パイプラインを提案する。 正規化と特徴選択技術を組み合わせて、データセットの次元性を効果的に削減する。 我々はExplainable AIを利用して、同定された癌特異的遺伝子の生物学的意義を解明する。
  論文  参考訳（メタデータ） (2024-10-08T18:56:31Z)
• Large Model driven Radiology Report Generation with Clinical Quality Reinforcement Learning [16.849933628738277]
  放射線学報告生成 (RRG) は, 放射線技師の作業量削減の可能性から注目されている。 本稿では,新しいRRG法である textbfLM-RRG について紹介する。 MIMIC-CXRおよびIU-Xrayデータセットを用いた実験により,本手法が技術状況よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-11T13:47:11Z)
• ChatRadio-Valuer: A Chat Large Language Model for Generalizable Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
  ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。 本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。 ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
  論文  参考訳（メタデータ） (2023-10-08T17:23:17Z)
• Radiology-Llama2: Best-in-Class Large Language Model for Radiology [71.27700230067168]
  本稿では,ラジオロジーに特化した大規模言語モデルであるRadiology-Llama2を紹介する。 MIMIC-CXRとOpenIデータセットのROUGEメトリクスを用いた定量的評価は、Radiology-Llama2が最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2023-08-29T17:44:28Z)
• Act Like a Radiologist: Radiology Report Generation across Anatomical Regions [50.13206214694885]
  X-RGenは6つの解剖学的領域にわたる放射線学者によるレポート生成フレームワークである。 X-RGenでは、ヒトの放射線学者の行動を模倣し、これらを4つの主要な段階に分解する。 画像エンコーダの認識能力は,各領域にまたがる画像やレポートを分析して向上する。
  論文  参考訳（メタデータ） (2023-05-26T07:12:35Z)
• Machine Learning Methods for Cancer Classification Using Gene Expression Data: A Review [77.34726150561087]
  がんは心臓血管疾患の2番目の死因である。 遺伝子発現は癌の早期発見において基本的な役割を担っている。 本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
  論文  参考訳（メタデータ） (2023-01-28T15:03:03Z)
• Attention-based Interpretable Regression of Gene Expression in Histology [0.0]
  深層学習の解釈可能性は、医用画像モデルの信頼性を評価するために広く利用されている。 腫瘍組織の顕微な外観と遺伝子発現のプロファイリングとの関連性を明らかにする。
  論文  参考訳（メタデータ） (2022-08-29T07:30:33Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)

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。