論文の概要: Visualizing DNA reaction trajectories with deep graph embedding approaches

• arxiv url: http://arxiv.org/abs/2311.03409v1
• Date: Mon, 6 Nov 2023 05:06:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 18:31:14.674079
• Title: Visualizing DNA reaction trajectories with deep graph embedding approaches
• Title（参考訳）: ディープグラフ埋め込み法によるDNA反応軌跡の可視化
• Authors: Chenwei Zhang, Khanh Dao Duc, Anne Condon
• Abstract要約: ViDaは、二次構造のエネルギー環境上でのDNA反応の折りたたみ軌道を可視化するための新しいアプローチである。 我々は、よく研究され、対照的な2つのDNAハイブリダイゼーション反応について、ViDaを評価する。
• 参考スコア（独自算出の注目度）: 10.433861497458212
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Synthetic biologists and molecular programmers design novel nucleic acid reactions, with many potential applications. Good visualization tools are needed to help domain experts make sense of the complex outputs of folding pathway simulations of such reactions. Here we present ViDa, a new approach for visualizing DNA reaction folding trajectories over the energy landscape of secondary structures. We integrate a deep graph embedding model with common dimensionality reduction approaches, to map high-dimensional data onto 2D Euclidean space. We assess ViDa on two well-studied and contrasting DNA hybridization reactions. Our preliminary results suggest that ViDa's visualization successfully separates trajectories with different folding mechanisms, thereby providing useful insight to users, and is a big improvement over the current state-of-the-art in DNA kinetics visualization.
• Abstract（参考訳）: 合成生物学者や分子プログラマーは、新しい核酸反応を設計し、多くの潜在的な応用がある。 ドメインの専門家がそのような反応の折り畳み経路シミュレーションの複雑な出力を理解するのを助けるために、優れた視覚化ツールが必要である。 ここでは, 二次構造のエネルギー環境におけるDNA反応の折りたたみ軌道を可視化するための新しいアプローチであるViDaを紹介する。 我々は,高次元データを2次元ユークリッド空間にマッピングするために,深層グラフ埋め込みモデルと共通次元還元手法を統合する。 得られた2つのDNAハイブリダイゼーション反応に対するViDaの評価を行った。 予備的な結果は,vidaの可視化が異なる折り畳み機構を持つ軌道をうまく分離し,ユーザにとって有用な洞察を与え,dna動態の可視化における現在の技術を大きく改善することを示唆している。

関連論文リスト

• Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
  哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。 生体受容の分野からインスピレーションを得る手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:06:22Z)
• ViDa: Visualizing DNA hybridization trajectories with biophysics-informed deep graph embeddings [9.416869890924715]
  ViDaは、二次構造状態空間の2次元埋め込みを利用するDNA反応軌道の新しい可視化手法である。 2つのよく研究されたDNAハイブリダイゼーション反応におけるViDaの評価を行った。
  論文  参考訳（メタデータ） (2023-11-06T05:27:29Z)
• Node-Aligned Graph-to-Graph (NAG2G): Elevating Template-Free Deep Learning Approaches in Single-Step Retrosynthesis [12.713263007109518]
  有機化学における一段階の逆合成(SSR)は、コンピュータ合成設計における深層学習(DL)技術の恩恵を受けている。 テンプレート支援型DLモデルは、レトロシンセシス予測に柔軟で有望であるが、重要な2次元分子情報を無視し、ノード生成のための原子アライメントに苦慮することが多い。 変換器ベースのテンプレートフリーDLモデルであるNode-Aligned Graph-to-Graph (NAG2G)を紹介する。
  論文  参考訳（メタデータ） (2023-09-27T17:16:32Z)
• GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
  本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。 具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-03-24T03:32:02Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• SynopSet: Multiscale Visual Abstraction Set for Explanatory Analysis of DNA Nanotechnology Simulations [60.05887213349294]
  DNAナノテクノロジー領域における分子動力学シミュレーション(MDS)の説明的解析のための視覚表現の連続性を持つ新しい抽象集合(SynopSet)を提案する。 この集合はまた、すべての空間的および時間的詳細と全ての構造的複雑さを示すことができるように設計されている。 我々の表現の集合は、SynopSpaceと呼ばれる可視化空間に体系的に配置できることを示してきた。
  論文  参考訳（メタデータ） (2022-04-18T06:53:52Z)
• Improving Neural Predictivity in the Visual Cortex with Gated Recurrent Connections [0.0]
  我々は,腹側視覚ストリームのユビキタスな特徴である横方向のリカレント接続を考慮したアーキテクチャに焦点を移し,適応的受容場を創出することを目指している。 本研究は,我々のアプローチの堅牢性と活性化の生物学的忠実性を高めるために,特定のデータ拡張技術を用いている。
  論文  参考訳（メタデータ） (2022-03-22T17:27:22Z)
• UnProjection: Leveraging Inverse-Projections for Visual Analytics of High-Dimensional Data [63.74032987144699]
  提案するNNInvは,プロジェクションやマッピングの逆を近似する深層学習技術である。 NNInvは、2次元投影空間上の任意の点から高次元データを再構成することを学び、ユーザーは視覚分析システムで学習した高次元表現と対話することができる。
  論文  参考訳（メタデータ） (2021-11-02T17:11:57Z)
• Uncovering the Folding Landscape of RNA Secondary Structure with Deep Graph Embeddings [71.20283285671461]
  このようなグラフ埋め込みを学習するための幾何散乱オートエンコーダ(GSAE)ネットワークを提案する。 我々の埋め込みネットワークは、最近提案された幾何散乱変換を用いて、まずリッチグラフ特徴を抽出する。 GSAEは、構造とエネルギーの両方でRNAグラフを整理し、ビスタブルRNA構造を正確に反映していることを示す。
  論文  参考訳（メタデータ） (2020-06-12T00:17:59Z)

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。