Fugu-MT 論文翻訳(概要): Extensions of Heterogeneity in Integration and Prediction (HIP) with R Shiny Application

論文の概要: Extensions of Heterogeneity in Integration and Prediction (HIP) with R Shiny Application

arxiv url: http://arxiv.org/abs/2310.08426v1
Date: Thu, 12 Oct 2023 15:49:10 GMT
ステータス: 処理完了
システム内更新日: 2023-10-15 10:52:22.593129
Title: Extensions of Heterogeneity in Integration and Prediction (HIP) with R Shiny Application
Title（参考訳）: R光応用による統合予測(HIP)における不均一性の拡張
Authors: J. Butts, C. Wendt, R. Bowler, C.P. Hersh, Q. Long, L. Eberly, S. E. Safo
Abstract要約: マルチクラス,Poisson,Zero-Inflated Poisson結果に対応するHIPの拡張を提案する。また、HIPのPython実装とインターフェースを提供するR Shinyアプリケーションを導入し、より多くの研究者が任意のデバイスでこのメソッドを利用できるようにしました。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multiple data views measured on the same set of participants is becoming more common and has the potential to deepen our understanding of many complex diseases by analyzing these different views simultaneously. Equally important, many of these complex diseases show evidence of subgroup heterogeneity (e.g., by sex or race). HIP (Heterogeneity in Integration and Prediction) is among the first methods proposed to integrate multiple data views while also accounting for subgroup heterogeneity to identify common and subgroup-specific markers of a particular disease. However, HIP is applicable to continuous outcomes and requires programming expertise by the user. Here we propose extensions to HIP that accommodate multi-class, Poisson, and Zero-Inflated Poisson outcomes while retaining the benefits of HIP. Additionally, we introduce an R Shiny application, accessible on shinyapps.io at https://multi-viewlearn.shinyapps.io/HIP_ShinyApp/, that provides an interface with the Python implementation of HIP to allow more researchers to use the method anywhere and on any device. We applied HIP to identify genes and proteins common and specific to males and females that are associated with exacerbation frequency. Although some of the identified genes and proteins show evidence of a relationship with chronic obstructive pulmonary disease (COPD) in existing literature, others may be candidates for future research investigating their relationship with COPD. We demonstrate the use of the Shiny application with a publicly available data. An R-package for HIP would be made available at https://github.com/lasandrall/HIP.
Abstract（参考訳）: 同じ参加者のセットで測定された複数のデータビューがより一般的になってきており、これらの異なるビューを同時に分析することで、多くの複雑な疾患に対する理解を深める可能性がある。同様に、これらの複雑な疾患の多くは、亜群の不均一性の証拠(例えば、性や人種による)を示す。 HIP(Heterogeneity in Integration and Prediction)は、複数のデータビューを統合するために提案された最初の手法の一つであり、また特定の疾患の共通およびサブグループ特異的マーカーを特定するためにサブグループ不均一性も考慮している。しかし、HIPは継続的な結果に適用でき、ユーザはプログラミングの専門知識を必要とする。本稿では、HIPの利点を維持しつつ、多クラス、Poisson、Zero-Inflated Poisson結果に対応するHIPの拡張を提案する。さらに、sns://multi-viewlearn.shinyapps.io/hip_shinyapp/のshinyapps.ioでアクセス可能なr shinyアプリケーションを紹介し、hipのpython実装とインターフェースを提供し、より多くの研究者が任意のデバイスでこのメソッドを使用できるようにする。増悪頻度に関連する男女に共通かつ特異的な遺伝子およびタンパク質の同定にHIPを適用した。同定された遺伝子やタンパク質のいくつかは、既存の文献で慢性閉塞性肺疾患(copd)との関連性を示すが、copdとの関係を研究する将来の研究の候補となるものもある。我々は,公開データを用いて光沢のあるアプリケーションの利用を実証する。 HIP用のRパッケージはhttps://github.com/lasandrall/HIPで入手できる。

関連論文リスト

GENEVIC: GENetic data Exploration and Visualization via Intelligent interactive Console [6.786793669890866]
GENEVICは、遺伝的データ生成と生物医学的知識発見のギャップを埋める、AI駆動のチャットフレームワークである。カスタマイズされたドメイン固有の遺伝情報の分析、検索、可視化を自動化する。機能を統合して、タンパク質相互作用ネットワークの生成、遺伝子セットの強化、PubMed、Google Scholar、arXivから科学文献の検索を行う。
論文参考訳（メタデータ） (2024-04-04T20:53:30Z)
Advancing Generalizable Remote Physiological Measurement through the Integration of Explicit and Implicit Prior Knowledge [30.31568804817144]
リモート光胸腺撮影(remote photoplethysmography、r)は、顔ビデオから生理的信号をキャプチャする有望な技術である。既存の方法の多くは r の事前の知識を見落としており、結果として一般化能力は劣る。本稿では,rタスクにおける暗黙的,暗黙的な事前知識手法を同時に活用する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2024-03-11T17:33:25Z)
A deep learning pipeline for cross-sectional and longitudinal multiview data integration [7.424942475653412]
複数のソースからの断面データと縦データを統合するパイプラインを開発した。線形および非線形手法を用いた変数選択/ランク付け、機能主成分分析とオイラー特性を用いた特徴抽出、高密度フィードフォワードネットワークと繰り返しニューラルネットワークを用いた結合積分と分類を含む。炎症性腸疾患 (IBD) 研究から, このパイプラインを横断的および縦断的マルチオミクスデータ(メタゲノミクス, トランスクリプトミクス, メタボロミクス)に応用し, IBDの状態を識別する微生物経路, 代謝産物, 遺伝子を同定した。
論文参考訳（メタデータ） (2023-12-02T22:24:35Z)
CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data [47.2764293508916]
不均一・高次元マルチオミクスデータの統合は、遺伝データの理解においてますます重要になっている。マルチオミクスデータ統合を行う際に直面する障害のひとつは、機器の感度とコストによる未ペアリングマルチオミクスデータの存在である。クロスオミクスを用いたマルチオミクス統合のための深層学習手法を提案する。
論文参考訳（メタデータ） (2023-04-12T00:22:18Z)
On the Possibilities of AI-Generated Text Detection [76.55825911221434]
機械が生成するテキストが人間に近い品質を近似するにつれて、検出に必要なサンプルサイズが増大すると主張している。 GPT-2, GPT-3.5-Turbo, Llama, Llama-2-13B-Chat-HF, Llama-2-70B-Chat-HFなどの最先端テキストジェネレータをoBERTa-Large/Base-Detector, GPTZeroなどの検出器に対して試験した。
論文参考訳（メタデータ） (2023-04-10T17:47:39Z)
A system for exploring big data: an iterative k-means searchlight for outlier detection on open health data [0.4588028371034407]
本稿では,サーチライト手法を用いて複数の変数の組み合わせを探索し,外乱を識別するシステムを提案する。ニューヨーク州が公開しているオープンヘルスデータを分析して,本システムについて解説する。特定の病院での費用オーバーランや、自殺などの診断の増加など、データの異常な傾向が特定されている。
論文参考訳（メタデータ） (2023-04-05T02:09:15Z)
HyRSM++: Hybrid Relation Guided Temporal Set Matching for Few-shot Action Recognition [51.2715005161475]
そこで本研究では,数発のアクション認識のための時間的マッチング手法として,ハイブリッドリレーションド・テンポラル・セット・マッチングを提案する。 HyRSM++の中核となる考え方は、すべてのビデオをタスクに統合して差別的な表現を学ぶことである。提案手法は,様々な撮影条件下での最先端性能を実現する。
論文参考訳（メタデータ） (2023-01-09T13:32:50Z)
Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues [61.37306431455152]
我々は,HFC-MFFD (hierarchical Forgery for Multi-modality Face Forgery Detection) を提案する。 HFC-MFFDは、マルチモーダルシナリオにおけるフォージェリー認証を強化するために、堅牢なパッチベースのハイブリッド表現を学習する。クラス不均衡問題を緩和し、さらに検出性能を高めるために、特定の階層的な顔偽造を提案する。
論文参考訳（メタデータ） (2022-12-30T10:54:29Z)
DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
論文参考訳（メタデータ） (2020-09-20T09:48:24Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Supervised Convex Clustering [1.4610038284393165]
我々はSupervised Convex Clustering (SCC) という新しい統計パターン発見手法を提案し,開発する。 SCCは、情報ソースとガイドの両方から、共同凸核融合ペナルティを通じてより解釈可能なパターンを見つけるための強度を借りている。シミュレーションによるSCCの実用的メリットとアルツハイマー病ゲノム学のケーススタディを示す。
論文参考訳（メタデータ） (2020-05-25T16:12:38Z)

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。