論文の概要: Classical-to-Quantum Sequence Encoding in Genomics
- arxiv url: http://arxiv.org/abs/2304.10786v1
- Date: Fri, 21 Apr 2023 07:35:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 15:30:12.582908
- Title: Classical-to-Quantum Sequence Encoding in Genomics
- Title(参考訳): ゲノム学における古典的量子配列符号化
- Authors: Nouhaila Innan and Muhammad Al-Zafar Khan
- Abstract要約: 本稿では,様々な数学的分野にインスパイアされた古典的量子データエンコーディングを行う新しい手法を提案する。
本稿では,電気・電子工学,情報理論,微分幾何学,ニューラルネットワークアーキテクチャなどの多様な分野からインスピレーションを得るアルゴリズムを紹介する。
本稿では,Quantum Boltzmann Machinesを用いてエンコードされたDNA配列を検査する方法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: DNA sequencing allows for the determination of the genetic code of an
organism, and therefore is an indispensable tool that has applications in
Medicine, Life Sciences, Evolutionary Biology, Food Sciences and Technology,
and Agriculture. In this paper, we present several novel methods of performing
classical-to-quantum data encoding inspired by various mathematical fields, and
we demonstrate these ideas within Bioinformatics. In particular, we introduce
algorithms that draw inspiration from diverse fields such as Electrical and
Electronic Engineering, Information Theory, Differential Geometry, and Neural
Network architectures. We provide a complete overview of the existing data
encoding schemes and show how to use them in Genomics. The algorithms provided
utilise lossless compression, wavelet-based encoding, and information entropy.
Moreover, we propose a contemporary method for testing encoded DNA sequences
using Quantum Boltzmann Machines. To evaluate the effectiveness of our
algorithms, we discuss a potential dataset that serves as a sandbox environment
for testing against real-world scenarios. Our research contributes to
developing classical-to-quantum data encoding methods in the science of
Bioinformatics by introducing innovative algorithms that utilise diverse fields
and advanced techniques. Our findings offer insights into the potential of
Quantum Computing in Bioinformatics and have implications for future research
in this area.
- Abstract(参考訳): dnaシークエンシングは生物の遺伝コードの決定を可能にするため、医学、生命科学、進化生物学、食品科学と技術、農業に応用できる必須のツールである。
本稿では, 生物情報学において, 様々な数学的分野にインスパイアされた古典-量子データの符号化を行う新しい手法を提案する。
特に,電気・電子工学,情報理論,微分幾何学,ニューラルネットワークアーキテクチャといった多様な分野から着想を得たアルゴリズムを紹介する。
我々は、既存のデータエンコーディング方式の完全な概要を提供し、ゲノム学におけるそれらの使い方を示す。
アルゴリズムは、ロスレス圧縮、ウェーブレットベースのエンコーディング、情報エントロピーを利用した。
さらに,Quantum Boltzmann Machinesを用いてエンコードされたDNA配列をテストする手法を提案する。
提案アルゴリズムの有効性を評価するために,実世界のシナリオに対してテストするためのサンドボックス環境として機能する潜在的なデータセットについて検討する。
本研究は,多様な分野と高度な技術を活用する革新的なアルゴリズムを導入することにより,生物情報科学における古典から量子へのデータ符号化手法の開発に寄与する。
本研究は,バイオインフォマティクスにおける量子コンピューティングの可能性について考察し,今後の研究に示唆を与えるものである。
関連論文リスト
- Towards Biologically Plausible Computing: A Comprehensive Comparison [24.299920289520013]
バックプロパゲーションは、教師あり学習のためのニューラルネットワークのトレーニングの基盤となるアルゴリズムである。
バックプロパゲーションの生物学的妥当性は、重量対称性、大域的誤差計算、二重位相学習の要求により疑問視される。
本研究では,望ましい学習アルゴリズムが満たすべき生物学的妥当性の基準を確立する。
論文 参考訳(メタデータ) (2024-06-23T09:51:20Z) - Hyperdimensional computing: a fast, robust and interpretable paradigm
for biological data [9.094234519404907]
多様な生物学的データソースを処理するための新しいアルゴリズムは、バイオインフォマティクスに革命をもたらした。
深層学習は、バイオインフォマティクス、アドレス配列、構造、機能解析を大きく変えてきた。
超次元コンピューティングは興味深い代替手段として登場した。
論文 参考訳(メタデータ) (2024-02-27T15:09:20Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳(メタデータ) (2024-02-16T18:05:09Z) - Neural Echos: Depthwise Convolutional Filters Replicate Biological
Receptive Fields [56.69755544814834]
哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。
生体受容の分野からインスピレーションを得る手法を提案する。
論文 参考訳(メタデータ) (2024-01-18T18:06:22Z) - Efficient, probabilistic analysis of combinatorial neural codes [0.0]
ニューラルネットワークは、個々のニューロンの活動の組み合わせの形で入力を符号化する。
これらのニューラルネットワークは、その高次元性としばしば大量のデータのため、計算上の課題を示す。
従来の手法を小さな例に適用し,実験によって生成された大きなニューラルコードに適用する。
論文 参考訳(メタデータ) (2022-10-19T11:58:26Z) - Understanding the Mapping of Encode Data Through An Implementation of
Quantum Topological Analysis [0.7106986689736827]
複素ヒルベルト空間に埋め込まれたデータのトポロジーを解析することにより,符号化手法の違いを可視化できることを示す。
提案手法は,異なる量子機械学習モデルにおいて慎重に検討する必要があることを示唆する。
論文 参考訳(メタデータ) (2022-09-21T18:46:08Z) - Improving RNA Secondary Structure Design using Deep Reinforcement
Learning [69.63971634605797]
本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。
本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
論文 参考訳(メタデータ) (2021-11-05T02:54:06Z) - Deep Algorithm Unrolling for Biomedical Imaging [99.73317152134028]
本章では,アルゴリズムのアンロールによるバイオメディカル応用とブレークスルーについて概説する。
我々はアルゴリズムのアンローリングの起源を辿り、反復アルゴリズムをディープネットワークにアンローリングする方法に関する包括的なチュートリアルを提供する。
オープンな課題を議論し、今後の研究方向性を提案することで、この章を締めくくります。
論文 参考訳(メタデータ) (2021-08-15T01:06:26Z) - Neural Multi-Hop Reasoning With Logical Rules on Biomedical Knowledge
Graphs [10.244651735862627]
我々は,創薬の現実世界における課題に基づいて経験的研究を行う。
我々は,この課題を,化合物と疾患の両方が知識グラフの実体に対応するリンク予測問題として定式化する。
本稿では,強化学習と論理ルールに基づく政策誘導歩行を組み合わせた新しい手法PoLoを提案する。
論文 参考訳(メタデータ) (2021-03-18T16:46:11Z) - A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。
これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。
提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文 参考訳(メタデータ) (2021-02-26T17:49:58Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳(メタデータ) (2020-08-05T15:45:54Z)
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。