Fugu-MT 論文翻訳(概要): Disease Gene Prioritization With Quantum Walks

論文の概要: Disease Gene Prioritization With Quantum Walks

arxiv url: http://arxiv.org/abs/2311.05486v1
Date: Thu, 9 Nov 2023 16:21:34 GMT
ステータス: 処理完了
システム内更新日: 2023-11-10 14:39:16.900305
Title: Disease Gene Prioritization With Quantum Walks
Title（参考訳）: 量子ウォークによる疾患遺伝子優先順位付け
Authors: Harto Saarinen, Mark Goldsmith, Rui-Sheng Wang, Joseph Loscalzo, Sabrina Maniscalco
Abstract要約: 本稿では、連続時間量子ウォークに基づく疾患遺伝子優先順位付けの新しいアルゴリズムについて述べる。我々のアルゴリズムは、拡散カーネルと呼ばれる以前の手法の量子バージョンと見なすことができる。
参考スコア（独自算出の注目度）: 3.243629882494743
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Disease gene prioritization assigns scores to genes or proteins according to their likely relevance for a given disease based on a provided set of seed genes. Here, we describe a new algorithm for disease gene prioritization based on continuous-time quantum walks using the adjacency matrix of a protein-protein interaction (PPI) network. Our algorithm can be seen as a quantum version of a previous method known as the diffusion kernel, but, importantly, has higher performance in predicting disease genes, and also permits the encoding of seed node self-loops into the underlying Hamiltonian, which offers yet another boost in performance. We demonstrate the success of our proposed method by comparing it to several well-known gene prioritization methods on three disease sets, across seven different PPI networks. In order to compare these methods, we use cross-validation and examine the mean reciprocal ranks and recall values. We further validate our method by performing an enrichment analysis of the predicted genes for coronary artery disease. We also investigate the impact of adding self-loops to the seeds, and argue that they allow the quantum walker to remain more local to low-degree seed nodes.
Abstract（参考訳）: 疾患遺伝子プライオリティゼーション(英語版)は、与えられた種遺伝子セットに基づいて、与えられた疾患に関連のある遺伝子またはタンパク質にスコアを割り当てる。本稿では,タンパク質-タンパク質相互作用(PPI)ネットワークの隣接行列を用いた連続時間量子ウォークに基づく疾患遺伝子優先順位付けの新しいアルゴリズムについて述べる。このアルゴリズムは、拡散核として知られる以前の方法の量子バージョンと見なすことができるが、最も重要なのは、疾患遺伝子の予測において高い性能を持つと同時に、基礎となるハミルトニアンへのシードノードの自己ループのエンコードを可能にすることである。提案手法を,7つの異なるPPIネットワーク上で,3つの疾患セットにおいてよく知られた遺伝子優先順位付け手法と比較することにより,その成功を実証する。これらの方法を比較するために,クロスバリデーションを用いて,平均逆ランクとリコール値を調べる。冠状動脈疾患の予測遺伝子の濃縮解析を行うことにより,本手法をさらに検証した。また, 種子に自己ループを加えることの影響についても検討し, 量子ウォーカーが低次シードノードに対してより局所的に維持できると主張する。

関連論文リスト

Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文参考訳（メタデータ） (2024-06-05T06:42:27Z)
Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文参考訳（メタデータ） (2023-11-28T09:14:55Z)
Toward Understanding BERT-Like Pre-Training for DNA Foundation Models [78.48760388079523]
既存のDNA配列の事前訓練方法は、NLPからのBERT事前訓練の直接的な採用に依存している。マスク境界を連続的に拡張することにより,BERTライクな事前学習作業の難易度を徐々に向上させるRandomMaskという新しい手法を提案する。 RandomMaskは、マシューのエピジェネティック・マーク・予測の相関係数の68.16%を突破し、ベースラインの19.85%を突破した。
論文参考訳（メタデータ） (2023-10-11T16:40:57Z)
Epigenetics Algorithms: Self-Reinforcement-Attention mechanism to regulate chromosomes expression [0.0]
本稿ではメチル化として知られるエピジェネティックス現象を模倣する新しいエピジェネティックスアルゴリズムを提案する。エピジェネティックスアルゴリズムの斬新さは、主に注意機構と深層学習を利用しており、遺伝子/サイレンシングの概念とよく適合している。
論文参考訳（メタデータ） (2023-03-15T21:33:21Z)
DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
論文参考訳（メタデータ） (2023-02-08T16:36:40Z)
A Genetic Quantum Annealing Algorithm [0.0]
遺伝的アルゴリズム(英: genetic algorithm, GA)は、遺伝的・自然選択の原理に基づく探索に基づく最適化手法である。本稿では,量子アニールからの入力により古典的GAを向上するアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-09-15T16:59:55Z)
SNP2Vec: Scalable Self-Supervised Pre-Training for Genome-Wide Association Study [48.75445626157713]
SNP2Vecは、SNPを理解するためのスケーラブルな自己教師付き事前学習手法である。本研究では,SNP2Vecを用いて時系列ゲノミクスモデリングを行う。中国コホートにおけるアルツハイマー病のリスク予測におけるアプローチの有効性について検討した。
論文参考訳（メタデータ） (2022-04-14T01:53:58Z)
Relation-weighted Link Prediction for Disease Gene Identification [0.3078691410268859]
このようなグラフ上の疾患遺伝子を識別する新しい機械学習手法を提案する。我々のアルゴリズムは、病気遺伝子同定における最先端の競争相手を24.1%上回っている。また, パーキンソン病の臨床治験における薬物標的の予測に関して, 標的同定の主導的取り組みである Open Targets よりも高い精度を達成できることが示唆された。
論文参考訳（メタデータ） (2020-11-10T15:09:33Z)
Recent Advances in Network-based Methods for Disease Gene Prediction [15.625526953844638]
ゲノムワイド・アソシエーション研究(GWAS)による疾患遺伝子関連研究は、研究者にとって困難な課題である。代替の低コストの疾患遺伝子関連証拠を研究者に提供するため、計算アプローチが実施される。分子ネットワークは病気の分子間の複雑な相互作用を捉えることができるため、疾患遺伝子関連予測において最も広く使われているデータの一つである。
論文参考訳（メタデータ） (2020-07-19T14:13:38Z)
A Novel Granular-Based Bi-Clustering Method of Deep Mining the Co-Expressed Genes [76.84066556597342]
ビクラスタリング法は、サンプル(遺伝子)のサブセットが試験条件下で協調的に制御されるバイクラスタをマイニングするために用いられる。残念ながら、従来の二クラスタ法はそのような二クラスタを発見するのに完全には効果がない。本稿では,グラニュラーコンピューティングの理論を取り入れた新しい2クラスタリング手法を提案する。
論文参考訳（メタデータ） (2020-05-12T02:04:40Z)
Biological Random Walks: integrating heterogeneous data in disease gene prioritization [1.4489463428855132]
本研究は,ネットワーク伝搬に基づく遺伝子優先順位付けアルゴリズムにおいて,生物学的情報を活用する統一的な枠組みを提案する。乳がんデータに対する予備的結果は,最先端のベースラインに対して有意な改善を示した。
論文参考訳（メタデータ） (2020-02-14T17:46:35Z)

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。