論文の概要: MC-NN: An End-to-End Multi-Channel Neural Network Approach for Predicting Influenza A Virus Hosts and Antigenic Types

• arxiv url: http://arxiv.org/abs/2306.05587v4
• Date: Wed, 21 Feb 2024 22:52:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-23 18:59:34.995871
• Title: MC-NN: An End-to-End Multi-Channel Neural Network Approach for Predicting Influenza A Virus Hosts and Antigenic Types
• Title（参考訳）: mc-nn:インフルエンザaウイルス宿主および抗原型予測のためのエンドツーエンドマルチチャネルニューラルネットワークアプローチ
• Authors: Yanhua Xu and Dominik Wojtczak
• Abstract要約: インフルエンザは公衆衛生、特に高齢者、幼児、基礎疾患を持つ人々にとって重大な脅威となる。 インフルエンザAウイルスの宿主および抗原サブタイプを予測するためのマルチチャネルニューラルネットワークモデルを提案する。
• 参考スコア（独自算出の注目度）: 5.067354030054702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Influenza poses a significant threat to public health, particularly among the elderly, young children, and people with underlying dis-eases. The manifestation of severe conditions, such as pneumonia, highlights the importance of preventing the spread of influenza. An accurate and cost-effective prediction of the host and antigenic sub-types of influenza A viruses is essential to addressing this issue, particularly in resource-constrained regions. In this study, we propose a multi-channel neural network model to predict the host and antigenic subtypes of influenza A viruses from hemagglutinin and neuraminidase protein sequences. Our model was trained on a comprehensive data set of complete protein sequences and evaluated on various test data sets of complete and incomplete sequences. The results demonstrate the potential and practicality of using multi-channel neural networks in predicting the host and antigenic subtypes of influenza A viruses from both full and partial protein sequences.
• Abstract（参考訳）: インフルエンザは公衆衛生、特に高齢者、幼児、基礎疾患を持つ人々にとって重大な脅威となる。 肺炎などの重篤な症状の出現は、インフルエンザ感染の予防の重要性を強調している。 A型インフルエンザウイルスの宿主および抗原サブタイプの正確な予測は、特に資源に制約のある地域でこの問題に対処するために不可欠である。 本研究では,ヘマグルチニンおよびノイラミニダーゼタンパク質配列からインフルエンザAウイルスの宿主および抗原サブタイプを予測するためのマルチチャネルニューラルネットワークモデルを提案する。 本モデルは,完全タンパク質配列の包括的データセットを用いて訓練し,完全および不完全配列の様々な試験データセットを用いて評価した。 その結果、インフルエンザAウイルスの宿主および抗原サブタイプを全タンパク質配列および部分タンパク質配列から予測するためのマルチチャネルニューラルネットワークの有用性と実用性を示した。

関連論文リスト

• Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting [46.63739322178277]
  最近の研究では、異種時相の流行パターンを抽出する際の時空間ニューラルネットワーク(STGNN)の強い可能性を示している。 HeatGNNは、疫学的にインフォームドされた場所を、時間とともに自分自身の伝達メカニズムを反映するさまざまな場所に埋め込むことを学ぶ。 HeatGNNは、HeatHeatのさまざまな強力なベースラインを異なるサイズで上回る。
  論文  参考訳（メタデータ） (2024-11-26T12:29:45Z)
• Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
  本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。 コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。 以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
  論文  参考訳（メタデータ） (2023-04-24T08:17:16Z)
• PCD2Vec: A Poisson Correction Distance-Based Approach for Viral Host Classification [0.966840768820136]
  コロナウイルス(英: Coronavirus)は、コロナウイルス科に属する膜に侵入し、非分節の正鎖RNAウイルスである。 コロナウイルスゲノムにおいて、重要な構造領域はスパイク領域であり、宿主の細胞膜にウイルスを付着させる責任がある。 本研究では、異なるウイルス亜属および種からスパイクタンパク質配列を解析することにより、ウイルスの宿主特異性を予測する新しい方法を提案する。
  論文  参考訳（メタデータ） (2023-04-13T03:02:22Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Epicasting: An Ensemble Wavelet Neural Network (EWNet) for Forecasting Epidemics [2.705025060422369]
  感染性疾患は、世界中でヒトの病気や死亡の原因となっている。 感染拡大の予測は、利害関係者が目の前の状況に対処するのに役立つ。
  論文  参考訳（メタデータ） (2022-06-21T19:31:25Z)
• Multi-channel neural networks for predicting influenza A virus hosts and antigenic types [3.1981440103815717]
  インフルエンザウイルスの宿主とサブタイプを予測するための高速で正確で低コストな手法は、ウイルスの感染を減らし、資源の乏しい地域に利益をもたらす。 本稿では,A型インフルエンザウイルスの抗原型と宿主を完全かつ部分的なタンパク質配列で予測するマルチチャネルニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-06-08T11:47:31Z)
• Classification of Influenza Hemagglutinin Protein Sequences using Convolutional Neural Networks [8.397189036839956]
  本稿では,インフルエンザA型ウイルスが特定の宿主,具体的にはヒト,鳥,豚の宿主に感染するかどうかを,HA遺伝子のタンパク質配列のみを用いて正確に予測することに焦点を当てる。 本稿では, タンパク質配列を疎水性指数を用いて数値信号に符号化し, その後, 畳み込みニューラルネットワークに基づく予測モデルを活用することを提案する。 その結果,ヒト,鳥,豚の宿主に感染するウイルスが検出された場合,HAタンパク質配列を高い精度で識別できることがわかった。
  論文  参考訳（メタデータ） (2021-08-09T10:42:26Z)
• A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
  アミノ酸の順序を保つことで,分類器の精度が向上することを示す。 また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
  論文  参考訳（メタデータ） (2021-08-07T15:08:15Z)
• Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
  半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。 我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
  論文  参考訳（メタデータ） (2020-10-10T19:33:53Z)
• MutaGAN: A Seq2seq GAN Framework to Predict Mutations of Evolving Protein Populations [0.0]
  このディープラーニングフレームワークの理想的なテストケースとしてインフルエンザウイルス配列が同定された。 MutaGANは、中央のレベンシュテイン距離が2.00アミノ酸である与えられた「親」タンパク質配列から「子」配列を生成した。 結果は, 病原体予測を補助する MutaGAN フレームワークの能力が, タンパク質集団の進化予測に広く有用であることを示すものである。
  論文  参考訳（メタデータ） (2020-08-26T20:20:30Z)
• Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware Anomaly Detection [86.81773672627406]
  短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。 胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。 ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
  論文  参考訳（メタデータ） (2020-03-27T11:32:18Z)

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。