論文の概要: BactInt: A domain driven transfer learning approach and a corpus for
extracting inter-bacterial interactions from biomedical text
- arxiv url: http://arxiv.org/abs/2305.07468v1
- Date: Thu, 27 Apr 2023 06:14:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-21 11:13:45.454352
- Title: BactInt: A domain driven transfer learning approach and a corpus for
extracting inter-bacterial interactions from biomedical text
- Title（参考訳）: BactInt: バイオメディカルテキストから細菌間相互作用を抽出するドメイン駆動型転写学習アプローチとコーパス
- Authors: Krishanu Das Baksi, Vatsala Pokhrel, Kuntal Kumar Bhusan, Sharmila
Mande
- Abstract要約: バイオメディカル文献から微生物の相互作用を自動的に抽出する手法を提案する。
また、特定の細菌群間の関係をマイニングできるパイプラインについても述べる。
細菌間相互作用抽出法の開発に使用できる最初の公開データセットについて紹介する。
- 参考スコア（独自算出の注目度）: 0.03818040429210839
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The community of different types of microbes present in a biological niche
plays a very important role in functioning of the system. The crosstalk or
interactions among the different microbes contributes to the building blocks of
such microbial community structures. Evidence reported in biomedical text
serves as a reliable source for predicting such interactions. However, going
through the vast and ever-increasing volume of biomedical literature is an
intimidating and time consuming process. This necessitates development of
automated methods capable of accurately extracting bacterial relations reported
in biomedical literature. In this paper, we introduce a method for automated
extraction of microbial interactions (specifically between bacteria) from
biomedical literature along with ways of using transfer learning to improve its
accuracy. We also describe a pipeline using which relations among specific
bacteria groups can be mined. Additionally, we introduce the first publicly
available dataset which can be used to develop bacterial interaction extraction
methods.
- Abstract（参考訳）: 生物学的ニッチに存在する様々な種類の微生物群集は、システムの機能に非常に重要な役割を果たす。
異なる微生物間のクロストークや相互作用は、このような微生物群集構造の構築に寄与する。
バイオメディカルテキストで報告された証拠は、そのような相互作用を予測する信頼できる情報源となる。
しかし、膨大な量の生物医学的文献を通すことは、威圧的かつ時間のかかるプロセスである。
これは、生物医学文献で報告された細菌関係を正確に抽出できる自動化方法の開発を必要とする。
本稿では,生物医学文献から微生物の相互作用(特に細菌間)を自動的に抽出する手法と,トランスファー・ラーニングを用いてその精度を向上させる方法を提案する。
また,特定の細菌群間の関係を抽出できるパイプラインについても述べる。
さらに,細菌間相互作用抽出法の開発に使用できる最初の公開データセットについても紹介する。
関連論文リスト
- SIU: A Million-Scale Structural Small Molecule-Protein Interaction Dataset for Unbiased Bioactivity Prediction [17.973095406654316]
生理活性」は、小分子の治療または毒性の薬理学的結果を決定する。
小さな分子-タンパク質相互作用の既存の構造データセットは、しばしば大規模に制限され、体系的に組織化された生物活性ラベルが欠如している。
本研究では,100万以上の結合構造からなり,それぞれに実際の生物活性ラベルを付加した,小さな分子-タンパク質相互作用の包括的データセットを提案する。
論文 参考訳（メタデータ） (2024-06-13T09:49:58Z) - Leveraging Biomolecule and Natural Language through Multi-Modal
Learning: A Survey [75.47055414002571]
生物分子モデリングと自然言語(BL)の統合は、人工知能、化学、生物学の交差点において有望な学際領域として現れてきた。
生体分子と自然言語の相互モデリングによって達成された最近の進歩について分析する。
論文 参考訳（メタデータ） (2024-03-03T14:59:47Z) - BioT5+: Towards Generalized Biological Understanding with IUPAC Integration and Multi-task Tuning [77.90250740041411]
本稿では,BioT5フレームワークの拡張であるBioT5+を紹介する。
BioT5+ には、分子理解のための IUPAC 名の統合、bioRxiv や PubChem などのソースからの広範なバイオテキストと分子データの統合、タスク間の汎用性のためのマルチタスク命令チューニング、数値データの処理を改善する数値トークン化技術など、いくつかの新機能が含まれている。
論文 参考訳（メタデータ） (2024-02-27T12:43:09Z) - BioT5: Enriching Cross-modal Integration in Biology with Chemical
Knowledge and Natural Language Associations [54.97423244799579]
$mathbfBioT5$は、化学知識と自然言語の関連性によって生物学のクロスモーダルな統合を強化する事前学習フレームワークである。
$mathbfBioT5$は構造化知識と非構造化知識を区別し、より効果的な情報利用につながる。
論文 参考訳（メタデータ） (2023-10-11T07:57:08Z) - LLaVA-Med: Training a Large Language-and-Vision Assistant for
Biomedicine in One Day [85.19963303642427]
本稿では,バイオメディカルイメージのオープンな研究課題に答えられる視覚言語対話アシスタントを訓練するための費用効率のよいアプローチを提案する。
モデルはまず、フィギュア・キャプションのペアを使ってバイオメディカル・ボキャブラリをアライメントし、その後、オープンエンドの会話意味論を習得する。
これにより、バイオメディジンのための大規模言語と視覚アシスタントを15時間以内で(8つのA100で)訓練することができる。
論文 参考訳（メタデータ） (2023-06-01T16:50:07Z) - SuMe: A Dataset Towards Summarizing Biomedical Mechanisms [28.115944109646314]
バイオメディカルメカニズムの要約タスクを導入する。
生物医学的な研究は、ある物質(例えば、タンパク質や化学物質)が生物学的文脈において他の物質にどのように影響するかのメカニズムをしばしば研究する。
我々はこの構造を利用して要約タスクを作成し、入力は抽象的な文と主エンティティの集合であり、出力は機構を要約する関係と文を含む。
論文 参考訳（メタデータ） (2022-05-10T03:42:30Z) - Understanding microbiome dynamics via interpretable graph representation
learning [0.0]
微生物構成における大規模な摂動は、ヒト生理学の健康と機能と強く相関している。
本稿では,これらの相互作用を,ノードが微生物であり,エッジが相互作用する時間進化グラフとしてモデル化することを提案する。
このような複雑な相互作用を分析する必要性から、時間進化グラフの低次元表現を学習する手法を開発した。
論文 参考訳（メタデータ） (2022-03-02T18:53:14Z) - MIIDL: a Python package for microbial biomarkers identification powered
by interpretable deep learning [5.749346757892117]
我々は,解釈可能な深層学習に基づく微生物バイオマーカーの同定のためのPythonパッケージMIIDLを提案する。
MIIDLは、畳み込みニューラルネットワーク、様々な解釈可能性アルゴリズム、および多くの事前処理手法を革新的に応用し、高次元およびスパースデータセットから微生物バイオマーカーを識別するためのワンストップで堅牢なパイプラインを提供する。
論文 参考訳（メタデータ） (2021-09-24T21:30:10Z) - Cetacean Translation Initiative: a roadmap to deciphering the
communication of sperm whales [97.41394631426678]
最近の研究では、非ヒト種における音響コミュニケーションを分析するための機械学習ツールの約束を示した。
マッコウクジラの大量生物音響データの収集と処理に必要な重要な要素について概説する。
開発された技術能力は、非人間コミュニケーションと動物行動研究を研究する幅広いコミュニティにおいて、クロス応用と進歩をもたらす可能性が高い。
論文 参考訳（メタデータ） (2021-04-17T18:39:22Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - GraphKKE: Graph Kernel Koopman Embedding for Human Microbiome Analysis [0.2752817022620644]
時間進化グラフの埋め込みを学習する手法を提案する。
提案手法は,生成した合成データと実世界のデータの両方において,時間進化グラフの一時的な変化を捉えることができることを示す。
論文 参考訳（メタデータ） (2020-08-12T10:57:02Z)
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。