論文の概要: QuanAnts Machine: A Quantum Algorithm for Biomarker Discovery

• arxiv url: http://arxiv.org/abs/2309.00001v1
• Date: Wed, 10 May 2023 15:54:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 11:44:26.724614
• Title: QuanAnts Machine: A Quantum Algorithm for Biomarker Discovery
• Title（参考訳）: QuanAnts Machine:バイオマーカー発見のための量子アルゴリズム
• Authors: Phuong-Nam Nguyen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The discovery of biomarker sets for a targeted pathway is a challenging problem in biomedical medicine, which is computationally prohibited on classical algorithms due to the massive search space. Here, I present a quantum algorithm named QuantAnts Machine to address the task. The proposed algorithm is a quantum analog of the classical Ant Colony Optimization (ACO). We create the mixture of multi-domain from genetic networks by representation theory, enabling the search of biomarkers from the multi-modality of the human genome. Although the proposed model can be generalized, we investigate the RAS-mutational activation in this work. To the end, QuantAnts Machine discovers rarely-known biomarkers in clinical-associated domain for RAS-activation pathway, including COL5A1, COL5A2, CCT5, MTSS1 and NCAPD2. Besides, the model also suggests several therapeutic-targets such as JUP, CD9, CD34 and CD74.
• Abstract（参考訳）: 標的経路に対するバイオマーカーセットの発見は、生物医学における困難な問題であり、膨大な探索空間のため古典的アルゴリズムでは計算的に禁止されている。 ここでは,タスクに対処する量子化機械という量子アルゴリズムを提案する。 提案アルゴリズムは古典的アントコロニー最適化(ACO)の量子アナログである。 本研究では,ヒトゲノムのマルチモダリティからバイオマーカーの探索を可能にするために,遺伝子ネットワークからマルチドメインの混合を表現論的に作成する。 提案モデルは一般化できるが,本研究におけるras-mutational activationについて検討する。 最終的にQuantAnts Machineは、COL5A1、COL5A2、CCT5、MTSS1、NCAPD2を含むRAS活性化経路の臨床的関連ドメインにおいて、ほとんど知られていないバイオマーカーを発見する。 また、JUP、CD9、CD34、CD74などの治療標的も提案している。

関連論文リスト

• Biomarker based Cancer Classification using an Ensemble with Pre-trained Models [2.2436844508175224]
  マルチクラス分類タスクに対して,事前学習したハイパーファストモデル,XGBoost,LightGBMを組み合わせた新しいアンサンブルモデルを提案する。 我々はメタトレーニングしたハイパーファストモデルを用いてがんの分類を行い、AUCは0.9929である。 また,事前学習したハイパーファストモデル,XGBoost,LightGBMを多クラス分類タスクに組み合わせた新しいアンサンブルモデルを提案し,精度を漸進的に向上させる(0.9464)。
  論文  参考訳（メタデータ） (2024-06-14T14:43:59Z)
• Modified Multiple Sequence Alignment Algorithm on Quantum Annealers (MAQ) [0.0]
  本稿では,生物情報学と遺伝的シークエンシングの分野に応用した量子アニールに対する改良型MSAアルゴリズムを提案する。 我々は、アルゴリズムにより多くの量子複素数を導入しながら、スピン使用率の線形化を達成するために、プログレッシブアライメント手法を適用した。
  論文  参考訳（メタデータ） (2024-03-24T01:57:38Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• 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)
• ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
  研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。 まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。 次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
  論文  参考訳（メタデータ） (2023-11-01T14:44:01Z)
• Biomarker Discovery with Quantum Neural Networks: A Case-study in CTLA4-Activation Pathways [3.3838477077773925]
  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。
  論文  参考訳（メタデータ） (2023-05-15T08:47:56Z)
• An Efficient Binary Harris Hawks Optimization based on Quantum SVM for Cancer Classification Tasks [27.169643615242652]
  この研究は、量子シミュレーターを用いたがん分類のための新しいハイブリッド量子カーネルサポートベクターマシン(QKSVM)と、バイナリハリスホーク最適化(BHHO)に基づく遺伝子選択を組み合わせたものである。 提案手法は大腸および乳房のマイクロアレイデータセットに適用され、BHHOにより全遺伝子および選択された遺伝子で評価される。
  論文  参考訳（メタデータ） (2022-02-24T04:51:05Z)
• 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)
• 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)
• 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)
• A deep learning classifier for local ancestry inference [63.8376359764052]
  局所祖先推論は、個人のゲノムの各セグメントの祖先を特定する。 我々は,エンコーダ・デコーダアーキテクチャを備えた深層畳み込みニューラルネットワークを用いた新しいLAIツールを開発した。 我々は,既存のゴールド標準ツール RFMix とほぼ同等の精度で,ゼロショットタスクとしてアドミキシングを学習できることを実証した。
  論文  参考訳（メタデータ） (2020-11-04T00:42:01Z)

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。