論文の概要: Bridging Phylogeny and Taxonomy with Protein-protein Interaction Networks

• arxiv url: http://arxiv.org/abs/2310.17164v1
• Date: Thu, 26 Oct 2023 05:32:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-27 21:51:53.807162
• Title: Bridging Phylogeny and Taxonomy with Protein-protein Interaction Networks
• Title（参考訳）: タンパク質-タンパク質相互作用ネットワークによる系統学と分類学
• Authors: Long-Huei Chen, Mohana Prasad Sathya Moorthy, and Pratyaksh Sharma
• Abstract要約: タンパク質-タンパク質相互作用(PPI)ネットワークは、生物の代謝と生存に不可欠な複雑な生物学的反応の概要を提供する。 我々は,PPIネットワークから情報を収集することで,生命樹・分類学の理解を深めることを目指している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The protein-protein interaction (PPI) network provides an overview of the complex biological reactions vital to an organism's metabolism and survival. Even though in the past PPI network were compared across organisms in detail, there has not been large-scale research on how individual PPI networks reflect on the species relationships. In this study we aim to increase our understanding of the tree of life and taxonomy by gleaming information from the PPI networks. We successful created (1) a predictor of network statistics based on known traits of existing species in the phylogeny, and (2) a taxonomic classifier of organism using the known protein network statistics, whether experimentally determined or predicted de novo. With the knowledge of protein interactions at its core, our two models effectively connects two field with widely diverging methodologies - the phylogeny and taxonomy of species.
• Abstract（参考訳）: タンパク質-タンパク質相互作用(PPI)ネットワークは、生物の代謝と生存に不可欠な複雑な生物学的反応の概要を提供する。 これまでPPIネットワークは、生物間で詳細に比較されてきたが、個々のPPIネットワークが種間の関係をどのように反映しているかに関する大規模な研究は行われていない。 本研究では,PPIネットワークから情報を収集することで,生命の樹と分類の理解を高めることを目的とする。 我々は,(1)系統内に存在する既知の種の特徴に基づくネットワーク統計の予測を成功させ,(2)既知のタンパク質ネットワーク統計を用いた生物の分類学的分類を実験的に決定し,デ・ノヴォを予測した。 その核となるタンパク質相互作用の知識によって、2つのモデルが2つの分野を効果的に結びつけている。

関連論文リスト

• Learning to Predict Mutation Effects of Protein-Protein Interactions by Microenvironment-aware Hierarchical Prompt Learning [78.38442423223832]
  我々は、新しいコードブック事前学習タスク、すなわちマスク付きマイクロ環境モデリングを開発する。 突然変異効果予測において、最先端の事前学習法よりも優れた性能と訓練効率を示す。
  論文  参考訳（メタデータ） (2024-05-16T03:53:21Z)
• PSC-CPI: Multi-Scale Protein Sequence-Structure Contrasting for Efficient and Generalizable Compound-Protein Interaction Prediction [63.50967073653953]
  化合物-タンパク質相互作用予測は、合理的な薬物発見のための化合物-タンパク質相互作用のパターンと強度を予測することを目的としている。 既存のディープラーニングベースの手法では、タンパク質配列や構造が単一のモダリティしか利用していない。 CPI予測のためのマルチスケールタンパク質配列構造コントラストフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-13T03:51:10Z)
• Improved K-mer Based Prediction of Protein-Protein Interactions With Chaos Game Representation, Deep Learning and Reduced Representation Bias [0.0]
  本稿では,対話データセットからユニークなペアを抽出し,非バイアス付き機械学習のための非冗長なペアデータを生成する手法を提案する。 我々は,タンパク質のコード遺伝子のカオスゲーム表現から相互作用を学習し,予測できる畳み込みニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2023-10-23T10:02:23Z)
• PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
  本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。 我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-10-12T23:46:08Z)
• Integration of Pre-trained Protein Language Models into Geometric Deep Learning Networks [68.90692290665648]
  我々は、タンパク質言語モデルから学んだ知識を、いくつかの最先端の幾何学的ネットワークに統合する。 以上の結果から,ベースラインを20%上回る総合的な改善が見られた。 強い証拠は、タンパク質言語モデルの知識を取り入れることで、幾何学的ネットワークの能力が著しく向上することを示している。
  論文  参考訳（メタデータ） (2022-12-07T04:04:04Z)
• DeepAutoPIN: An automorphism orbits based deep neural network for characterizing the organizational diversity of protein interactomes across the tree of life [0.0]
  16系統に属する4,738のタンパク質相互作用ネットワーク(PIN)について検討し,その特徴を明らかにする。 生命の3つの領域に属するネットワークの軌道利用プロファイル(OUP)は対照的に異なる。
  論文  参考訳（メタデータ） (2022-03-02T10:10:20Z)
• Multimodal Pre-Training Model for Sequence-based Prediction of Protein-Protein Interaction [7.022012579173686]
  タンパク質モデルによる効果的な表現の学習は、タンパク質とタンパク質の相互作用において重要である。 PPIの事前学習モデルのほとんどは配列ベースであり、自然言語処理で使用される言語モデルをアミノ酸配列に導入している。 本稿では, 配列, 構造, 機能という3つのモーダル性を持つマルチモーダルタンパク質事前学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-09T10:21:52Z)
• Learning Unknown from Correlations: Graph Neural Network for Inter-novel-protein Interaction Prediction [7.860159889216291]
  既存のメソッドは、見えないデータセットでテストすると、パフォーマンスが大幅に低下します。 本稿では,タンパク質間相互作用予測のためのグラフニューラルネットワーク(GNN-PPI)を提案する。
  論文  参考訳（メタデータ） (2021-05-14T08:42:55Z)
• Bio-JOIE: Joint Representation Learning of Biological Knowledge Bases [38.9571812880758]
  バイオジョイは、sars-cov-2タンパク質とヒトタンパク質のppisを正確に同定できる。 構造化知識のみを活用することにより、Bio-JOIEはPPI型予測において、既存の最先端の手法よりも著しく優れている。
  論文  参考訳（メタデータ） (2021-03-07T07:06:53Z)
• BERTology Meets Biology: Interpreting Attention in Protein Language Models [124.8966298974842]
  注目レンズを用いたタンパク質トランスフォーマーモデルの解析方法を示す。 注意はタンパク質の折りたたみ構造を捉え、基礎となる配列では遠く離れているが、三次元構造では空間的に近接しているアミノ酸を接続する。 また、注意とタンパク質構造との相互作用を三次元的に可視化する。
  論文  参考訳（メタデータ） (2020-06-26T21:50:17Z)

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。