論文の概要: Generation of a Compendium of Transcription Factor Cascades and
Identification of Potential Therapeutic Targets using Graph Machine Learning
- arxiv url: http://arxiv.org/abs/2311.17969v1
- Date: Wed, 29 Nov 2023 15:31:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 19:27:58.689945
- Title: Generation of a Compendium of Transcription Factor Cascades and
Identification of Potential Therapeutic Targets using Graph Machine Learning
- Title(参考訳): グラフ機械学習を用いた転写因子カスケードの合成と潜在的治療ターゲットの同定
- Authors: Sonish Sivarajkumar, Pratyush Tandale, Ankit Bhardwaj, Kipp W.
Johnson, Anoop Titus, Benjamin S. Glicksberg, Shameer Khader, Kamlesh K.
Yadav, Lakshminarayanan Subramanian
- Abstract要約: 我々は、STRINGデータベースから抽出したデータを用いて、グラフ機械学習を用いてTFカスケードのコンペディションを作成する。
TFカスケード(TF Cascade)は、TFネットワークにおいて相互に制御し、直接経路を形成するTFのシーケンスである。
我々は,62個のTFからなる最も長いカスケードを持つ81,488個のTFカスケードの知識グラフを構築した。
- 参考スコア(独自算出の注目度): 3.9890897477539715
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transcription factors (TFs) play a vital role in the regulation of gene
expression thereby making them critical to many cellular processes. In this
study, we used graph machine learning methods to create a compendium of TF
cascades using data extracted from the STRING database. A TF cascade is a
sequence of TFs that regulate each other, forming a directed path in the TF
network. We constructed a knowledge graph of 81,488 unique TF cascades, with
the longest cascade consisting of 62 TFs. Our results highlight the complex and
intricate nature of TF interactions, where multiple TFs work together to
regulate gene expression. We also identified 10 TFs with the highest regulatory
influence based on centrality measurements, providing valuable information for
researchers interested in studying specific TFs. Furthermore, our pathway
enrichment analysis revealed significant enrichment of various pathways and
functional categories, including those involved in cancer and other diseases,
as well as those involved in development, differentiation, and cell signaling.
The enriched pathways identified in this study may have potential as targets
for therapeutic intervention in diseases associated with dysregulation of
transcription factors. We have released the dataset, knowledge graph, and
graphML methods for the TF cascades, and created a website to display the
results, which can be accessed by researchers interested in using this dataset.
Our study provides a valuable resource for understanding the complex network of
interactions between TFs and their regulatory roles in cellular processes.
- Abstract(参考訳): 転写因子(tfs)は遺伝子発現の調節において重要な役割を果たすため、多くの細胞プロセスにおいて重要な役割を担っている。
本研究では,グラフ機械学習手法を用いて,文字列データベースから抽出したデータを用いてtfカスケードの補完を行う。
tfカスケード(tf cascade)は、tfネットワーク内の有向経路を形成する、相互に制御するtfのシーケンスである。
62個のTFからなる最も長いカスケードを持つ81,488個のTFカスケードの知識グラフを構築した。
その結果,複数のtfが協調して遺伝子発現を調節する,複雑なtf相互作用の性質が浮き彫りになった。
また、集中度測定に基づく規制の影響が最も大きい10個のtfを同定し、特定のtfsの研究に関心のある研究者に貴重な情報を提供した。
さらに, この経路の富化分析により, 癌やその他の疾患に関わるもの, 発生, 分化, 細胞シグナル伝達に関わるものなど, 様々な経路および機能的カテゴリーの著しい富化が認められた。
本研究で同定された濃縮経路は、転写因子の調節不全に関連する疾患に対する治療的介入の標的となる可能性がある。
我々はTFカスケード用のデータセット、知識グラフ、グラフMLメソッドをリリースし、その結果を表示するウェブサイトを作成しました。
本研究は,TF間の相互作用の複雑なネットワークとその細胞プロセスにおける制御的役割を理解するための貴重な資源を提供する。
関連論文リスト
- Medical-GAT: Cancer Document Classification Leveraging Graph-Based Residual Network for Scenarios with Limited Data [2.913761513290171]
我々は, 甲状腺癌, 大腸癌, 肺癌, 一般の話題に分類した, 1,874 の生医学的抄録を収集した。
我々の研究は、特にデータスカースシナリオにおいて、分類性能を改善するためにこのデータセットを活用することに焦点を当てている。
がん関連文書のセマンティック情報と構造的関係をキャプチャする複数のグラフアテンション層を備えたResidual Graph Attention Network(R-GAT)を導入する。
論文 参考訳(メタデータ) (2024-10-19T20:07:40Z) - Graph Relation Distillation for Efficient Biomedical Instance
Segmentation [80.51124447333493]
本稿では,効率的なバイオメディカル・インスタンス・セグメンテーションのためのグラフ関係蒸留手法を提案する。
画像内レベルと画像間レベルの両方に展開する2つのグラフ蒸留方式を導入する。
多くのバイオメディカルデータセットの実験結果から,本手法の有効性が検証された。
論文 参考訳(メタデータ) (2024-01-12T04:41:23Z) - Representing Outcome-driven Higher-order Dependencies in Graphs of
Disease Trajectories [22.83957446240816]
本稿では,与えられた結果に対するリスク要因の組み合わせを同定し,これらの高次関係をグラフに正確にエンコードする手法を提案する。
913,475型2型糖尿病 (T2D) 患者の歴史的データを用いて, 他のアプローチと比較して, 提案したネットワークは, 様々な結果に対するT2Dの進行について, かなり多くの情報をエンコードしていることがわかった。
論文 参考訳(メタデータ) (2023-12-23T21:33:40Z) - Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。
本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文 参考訳(メタデータ) (2023-10-10T14:37:17Z) - Switched auxiliary loss for robust training of transformer models for histopathological image segmentation [0.060467329188882764]
機能組織ユニット(英: functional tissue Units, FTUs)は、その主な機能を実行する特定の器官に近接する細胞集団である。
我々は,「HuBMAP + HPA - Hacking the Human Body」コンペティションデータセットを利用して,5臓器に複数臓器のFTUを分割するモデルを開発した。
我々のモデルは、公開データセットで0.793、プライベートデータセットで0.778のダイススコアを達成した。
論文 参考訳(メタデータ) (2023-08-21T19:20:20Z) - SynerGPT: In-Context Learning for Personalized Drug Synergy Prediction
and Drug Design [64.69434941796904]
本稿では,テキスト内薬物相乗学習のための新しい設定とモデルを提案する。
特定のがん細胞標的の文脈における10~20の薬物相乗関係の「個人化データセット」を作成した。
私たちの目標は、その文脈で追加の薬物シナジー関係を予測することです。
論文 参考訳(メタデータ) (2023-06-19T17:03:46Z) - Drug Synergistic Combinations Predictions via Large-Scale Pre-Training
and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。
ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。
我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文 参考訳(メタデータ) (2023-01-14T15:07:43Z) - Analysis of Drug repurposing Knowledge graphs for Covid-19 [0.0]
本研究は、薬物再資源知識グラフ(DRKG)を用いた新型コロナウイルスの候補薬剤のセットを提案する。
DRKGは、大量のオープンソースバイオメディカル知識を用いて構築された生物学的知識グラフである。
ノードと関係埋め込みは知識グラフ埋め込みモデルとニューラルネットワークおよび注意関連モデルを用いて学習される。
論文 参考訳(メタデータ) (2022-12-07T19:14:17Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳(メタデータ) (2022-06-04T13:16:30Z) - Decomposing neural networks as mappings of correlation functions [57.52754806616669]
本研究では,ディープフィードフォワードネットワークによって実装された確率分布のマッピングについて検討する。
ニューラルネットワークで使用できる異なる情報表現と同様に、データに不可欠な統計を識別する。
論文 参考訳(メタデータ) (2022-02-10T09:30:31Z) - Communication Efficient Tensor Factorization for Decentralized
Healthcare Networks [12.57461555027056]
本稿では,通信効率の高い分散テンソル分解法であるCiderTFを提案する。
2つの実世界のEHRデータセットの実験は、CiderTFが99.99%の通信削減で同等の収束を達成することを示した。
論文 参考訳(メタデータ) (2021-09-03T19:47:08Z)
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。