論文の概要: Biomarker Discovery with Quantum Neural Networks: A Case-study in
CTLA4-Activation Pathways
- arxiv url: http://arxiv.org/abs/2306.01745v1
- Date: Mon, 15 May 2023 08:47:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-11 14:05:45.968511
- Title: Biomarker Discovery with Quantum Neural Networks: A Case-study in
CTLA4-Activation Pathways
- Title（参考訳）: 量子ニューラルネットワークによるバイオマーカー発見:CTLA4活性化経路のケーススタディ
- Authors: Nam Nguyen
- Abstract要約: バイオマーカーの発見は、膨大な検索スペースのために難しい課題だ。
入力活性化経路のバイオマーカーを発見するために,量子ニューラルネットワーク(QNN)アーキテクチャを提案する。
提案手法は,制約のあるハードウェア上でニューラル・ソリューションを配信できるため,経済的である。
- 参考スコア（独自算出の注目度）: 5.043784941542819
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Biomarker discovery is a challenging task due to the massive search space.
Quantum computing and quantum Artificial Intelligence (quantum AI) can be used
to address the computational problem of biomarker discovery tasks. We propose a
Quantum Neural Networks (QNNs) architecture to discover biomarkers for input
activation pathways. The Maximum Relevance, Minimum Redundancy (mRMR) criteria
is used to score biomarker candidate sets. Our proposed model is economical
since the neural solution can be delivered on constrained hardware. We
demonstrate the proof of concept on four activation pathways associated with
CTLA4, including (1) CTLA4-activation stand-alone, (2) CTLA4-CD8A-CD8B
co-activation, (3) CTLA4-CD2 co-activation, and (4)
CTLA4-CD2-CD48-CD53-CD58-CD84 co-activation. The model indicates new biomarkers
associated with the mutational activation of CLTA4-associated pathways,
including 20 genes: CLIC4, CPE, ETS2, FAM107A, GPR116, HYOU1, LCN2, MACF1,
MT1G, NAPA, NDUFS5, PAK1, PFN1, PGAP3, PPM1G, PSMD8, RNF213, SLC25A3, UBA1, and
WLS. We open source the implementation at:
https://github.com/namnguyen0510/Biomarker-Discovery-with-Quantum-Neural-Networks.
- Abstract（参考訳）: バイオマーカーの発見は、膨大な検索スペースのために難しい課題だ。
量子コンピューティングと量子人工知能(量子AI)は、バイオマーカー発見タスクの計算問題に対処するために用いられる。
入力活性化経路のバイオマーカーを発見するために,量子ニューラルネットワーク(QNN)アーキテクチャを提案する。
バイオマーカー候補集合の最大関連性, 最小冗長性 (mRMR) 基準を用いる。
提案モデルは,制約されたハードウェア上でニューラルネットワークを配信できるため,経済性が高い。
我々は, (1) CTLA4-activation stand-alone, (2) CTLA4-CD8A-CD8B co-activation, (3) CTLA4-CD2 co-activation, (4) CTLA4-CD2-CD48-CD58-CD84 co-activationを含む, CTLA4の4つの活性化経路に関する概念実証を行った。
CLIC4, CPE, ETS2, FAM107A, GPR116, HYOU1, LCN2, MACF1, MT1G, NAPA, NDUFS5, PAK1, PFN1, PGAP3, PPM1G, PSMD8, RNF213, SLC25A3, UBA1, WLSを含むCLTA4関連経路の突然変異活性化に関与する新規なバイオマーカーを示す。
https://github.com/namnguyen0510/Biomarker-Discovery-with-Quantum-Neural-Networks。
関連論文リスト
- Application of Quantum Tensor Networks for Protein Classification [3.5300092061072523]
タンパク質配列は自然言語処理における文として考えることができることを示す。
我々は、その細胞内位置に基づいてタンパク質を分類する。
量子ネットワーク(QTN)がタンパク質配列の複雑さと多様性を効果的に処理できることを実証する。
論文 参考訳（メタデータ） (2024-03-11T16:47:09Z) - Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - Quantum Computing-Enhanced Algorithm Unveils Novel Inhibitors for KRAS [10.732020360180773]
我々は16量子ビットのIBM量子コンピュータでトレーニングされた量子アルゴリズムのパワーをシームレスに統合する量子古典的生成モデルを導入する。
我々の研究は、実験で確認された生物学的ヒットを生み出すために量子生成モデルを使用した初めてのものである。
論文 参考訳（メタデータ） (2024-02-13T04:19:06Z) - Synthesizing Missing MRI Sequences from Available Modalities using
Generative Adversarial Networks in BraTS Dataset [0.0]
グリオ芽腫は、非常に攻撃的で致命的な脳腫瘍である。
4つの構造体(T1, T1Gd, T2, T2-FLAIR)のMRIシーケンスが常に利用できるとは限らない。
GAN(Generative Adversarial Networks)は、欠落したMRIシーケンスを合成するために用いられる。
論文 参考訳（メタデータ） (2023-10-11T07:27:28Z) - QuanAnts Machine: A Quantum Algorithm for Biomarker Discovery [0.0]
この問題に対処するため,Quantants Machineという量子アルゴリズムを提案する。
表現論により遺伝的ネットワークから多領域の混合を生成する。
このモデルはまた、JUP、CD9、CD34、CD74などの治療標的についても示唆している。
論文 参考訳（メタデータ） (2023-05-10T15:54:59Z) - DPSeq: A Novel and Efficient Digital Pathology Classifier for Predicting
Cancer Biomarkers using Sequencer Architecture [4.876281217951695]
デジタル病理学の課題では、トランスフォーマーは畳み込みニューラルネットワーク(CNN)を超越して最先端の結果を得た。
我々はDPSeqと呼ばれる新規かつ効率的なデジタル病理分類器を開発し,癌バイオマーカーの予測を行った。
論文 参考訳（メタデータ） (2023-05-03T08:31:44Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Modality Completion via Gaussian Process Prior Variational Autoencoders
for Multi-Modal Glioma Segmentation [75.58395328700821]
本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。
MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。
4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
論文 参考訳（メタデータ） (2021-07-07T19:06:34Z) - A Lottery Ticket Hypothesis Framework for Low-Complexity Device-Robust
Neural Acoustic Scene Classification [78.04177357888284]
デバイス・ロバスト音響シーン分類(ASC)のためのデータ拡張、知識伝達、プルーニング、量子化を組み合わせた新しいニューラルモデル圧縮戦略を提案する。
本稿では,低複雑マルチデバイスASCのためのアコースティック・ロッテリー(Austratic Lottery)という,効率的なジョイント・フレームワークについて報告する。
論文 参考訳（メタデータ） (2021-07-03T16:25:24Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - MIMOSA: Multi-constraint Molecule Sampling for Molecule Optimization [66.84839948236478]
生成モデルと強化学習アプローチは、最初の成功をおさめたが、複数の薬物特性を同時に最適化する上で、依然として困難に直面している。
本稿では,MultI-Constraint MOlecule SAmpling (MIMOSA)アプローチ,初期推定として入力分子を用いるサンプリングフレームワーク,ターゲット分布からのサンプル分子を提案する。
論文 参考訳（メタデータ） (2020-10-05T20:18:42Z)
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。