論文の概要: Epigenetics Algorithms: Self-Reinforcement-Attention mechanism to regulate chromosomes expression

• arxiv url: http://arxiv.org/abs/2303.10154v1
• Date: Wed, 15 Mar 2023 21:33:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-20 13:30:35.616706
• Title: Epigenetics Algorithms: Self-Reinforcement-Attention mechanism to regulate chromosomes expression
• Title（参考訳）: エピジェネティックスアルゴリズム:染色体の発現を調節する自己強化-アテンション機構
• Authors: Mohamed Djallel Dilmi, Hanene Azzag and Mustapha Lebbah
• Abstract要約: 本稿ではメチル化として知られるエピジェネティックス現象を模倣する新しいエピジェネティックスアルゴリズムを提案する。 エピジェネティックスアルゴリズムの斬新さは、主に注意機構と深層学習を利用しており、遺伝子/サイレンシングの概念とよく適合している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Genetic algorithms are a well-known example of bio-inspired heuristic methods. They mimic natural selection by modeling several operators such as mutation, crossover, and selection. Recent discoveries about Epigenetics regulation processes that occur "on top of" or "in addition to" the genetic basis for inheritance involve changes that affect and improve gene expression. They raise the question of improving genetic algorithms (GAs) by modeling epigenetics operators. This paper proposes a new epigenetics algorithm that mimics the epigenetics phenomenon known as DNA methylation. The novelty of our epigenetics algorithms lies primarily in taking advantage of attention mechanisms and deep learning, which fits well with the genes enhancing/silencing concept. The paper develops theoretical arguments and presents empirical studies to exhibit the capability of the proposed epigenetics algorithms to solve more complex problems efficiently than has been possible with simple GAs; for example, facing two Non-convex (multi-peaks) optimization problems as presented in this paper, the proposed epigenetics algorithm provides good performances and shows an excellent ability to overcome the lack of local optimum and thus find the global optimum.
• Abstract（参考訳）: 遺伝的アルゴリズムは、バイオインスパイアされたヒューリスティック手法のよく知られた例である。 自然選択を模倣し、突然変異、交叉、選択などの操作をモデル化する。 エピジェネティクスの制御プロセスに関する最近の発見は、遺伝の遺伝的基盤に加えて、遺伝子発現に影響を及ぼし、改善する変化を含む。 これはエピジェネティックス演算子をモデル化することで遺伝的アルゴリズム(gas)を改善するという問題を引き起こす。 本稿ではDNAメチル化として知られるエピジェネティックス現象を模倣する新しいエピジェネティックスアルゴリズムを提案する。 エピジェネティックスアルゴリズムの斬新さは、主に注意のメカニズムと深層学習の利点を生かしている。 本論文では,提案するエピジェネティックスアルゴリズムが,単純なGAよりも複雑な問題を効率的に解く能力を示すために,理論的議論を展開し,実証研究を行う。例えば,本論文で示す2つの非凸(複数ピーク)最適化問題に直面すると,提案アルゴリズムは優れた性能を示し,局所最適性の欠如を克服し,グローバル最適性を見出すことができることを示す。

関連論文リスト

• Learning to Discover Regulatory Elements for Gene Expression Prediction [59.470991831978516]
  Seq2Expは、ターゲット遺伝子発現を駆動する制御要素を発見し、抽出するために設計されたSequence to Expressionネットワークである。 本手法は, エピジェノミックシグナル, DNA 配列とその関連因子の因果関係を捉える。
  論文  参考訳（メタデータ） (2025-02-19T03:25:49Z)
• GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
  本研究では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデルを提案する。 このモデルは分子生物学の中心的なドグマに固執し、タンパク質のコード配列を正確に生成する。 また、特にプロモーター配列の即応的な生成を通じて、シーケンス最適化において大きな可能性を示している。
  論文  参考訳（メタデータ） (2025-02-11T05:39:49Z)
• Survey and Improvement Strategies for Gene Prioritization with Large Language Models [61.24568051916653]
  大規模言語モデル (LLM) は, 医学検査において良好に機能しているが, 希少な遺伝疾患の診断における有効性は評価されていない。 表現型と可溶性レベルに基づいて, マルチエージェントとヒトフェノタイプオントロジー(HPO)を分類した。 ベースラインでは、GPT-4は他のLLMよりも優れており、因果遺伝子を正しくランク付けする際の精度は30%近く向上した。
  論文  参考訳（メタデータ） (2025-01-30T23:03:03Z)
• Cross-Attention Graph Neural Networks for Inferring Gene Regulatory Networks with Skewed Degree Distribution [9.919024883502322]
  クロスアテンション複合デュアルグラフ埋め込みモデル(XATGRN) 我々のモデルは、様々なデータセットで既存の最先端メソッドよりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-12-18T10:56:40Z)
• GeneQuery: A General QA-based Framework for Spatial Gene Expression Predictions from Histology Images [41.732831871866516]
  全スライディングヘマトキシリンとエオシン染色組織像は容易にアクセスでき、顕微鏡レベルで組織構造と組成を詳細に調べることができる。 近年の進歩は、これらの組織像を利用して、空間的に解決された遺伝子発現プロファイルを予測している。 GeneQueryは、この遺伝子発現予測タスクを質問応答(QA)方式で解決し、より汎用性と柔軟性を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-11-27T14:33:13Z)
• An Evolutional Neural Network Framework for Classification of Microarray Data [0.0]
  本研究の目的は,遺伝的アルゴリズムとニューラルネットワークのハイブリッドモデルを用いて,情報的遺伝子のサブセット選択において問題を克服することである。 実験の結果,提案手法は,他の機械学習アルゴリズムと比較して,高い精度と最小数の選択遺伝子が示唆された。
  論文  参考訳（メタデータ） (2024-11-20T13:48:40Z)
• Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
  遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
  論文  参考訳（メタデータ） (2024-06-05T06:42:27Z)
• VQDNA: Unleashing the Power of Vector Quantization for Multi-Species Genomic Sequence Modeling [60.91599380893732]
  VQDNAは、ゲノムボキャブラリ学習の観点からゲノムのトークン化を改良する汎用フレームワークである。 ベクトル量子化されたコードブックを学習可能な語彙として活用することにより、VQDNAはゲノムをパターン認識の埋め込みに適応的にトークン化することができる。
  論文  参考訳（メタデータ） (2024-05-13T20:15:03Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• The Effect of Epigenetic Blocking on Dynamic Multi-Objective Optimisation Problems [1.4502611532302039]
  エピジェネティックなメカニズムは、環境変化に素早く非あるいは部分的に適応できる。 本稿では、自然界におけるエピジェネティック継承の利点が、動的多目的問題において複製されるかどうかを問う。
  論文  参考訳（メタデータ） (2022-11-25T16:33:05Z)
• Modeling epigenetic evolutionary algorithms: An approach based on the epigenetic regulation process [0.0]
  この論文は、エピジェネティック・レギュレーション・プロセスにインスパイアされた進化的アルゴリズムのエピジェネティック・テクニックを提示している。 エピジェネティック・レギュレーションは、特定の遺伝子に小さな分子(エピジェネティック・タグとしても知られる)を付加または除去する生物学的機構を含む。
  論文  参考訳（メタデータ） (2021-02-18T21:51:50Z)

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。