論文の概要: ACP-ESM: A novel framework for classification of anticancer peptides using protein-oriented transformer approach

• arxiv url: http://arxiv.org/abs/2401.02124v1
• Date: Thu, 4 Jan 2024 08:19:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-05 15:46:00.810921
• Title: ACP-ESM: A novel framework for classification of anticancer peptides using protein-oriented transformer approach
• Title（参考訳）: ACP-ESM:タンパク質指向トランスフォーマーアプローチを用いた抗がんペプチドの新規分類フレームワーク
• Authors: Zeynep Hilal Kilimci, Mustafa Yalcin
• Abstract要約: 抗がんペプチド (ACP) は、がん研究や治療の分野で大きな注目を集めている分子である。 ACPはアミノ酸の短鎖であり、タンパク質の構成要素であり、がん細胞を選択的に標的にし、殺傷する能力を持っている。 ACPは癌治療の候補として検討されている。
• 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: Anticancer peptides (ACPs) are a class of molecules that have gained significant attention in the field of cancer research and therapy. ACPs are short chains of amino acids, the building blocks of proteins, and they possess the ability to selectively target and kill cancer cells. One of the key advantages of ACPs is their ability to selectively target cancer cells while sparing healthy cells to a greater extent. This selectivity is often attributed to differences in the surface properties of cancer cells compared to normal cells. That is why ACPs are being investigated as potential candidates for cancer therapy. ACPs may be used alone or in combination with other treatment modalities like chemotherapy and radiation therapy. While ACPs hold promise as a novel approach to cancer treatment, there are challenges to overcome, including optimizing their stability, improving selectivity, and enhancing their delivery to cancer cells, continuous increasing in number of peptide sequences, developing a reliable and precise prediction model. In this work, we propose an efficient transformer-based framework to identify anticancer peptides for by performing accurate a reliable and precise prediction model. For this purpose, four different transformer models, namely ESM, ProtBert, BioBERT, and SciBERT are employed to detect anticancer peptides from amino acid sequences. To demonstrate the contribution of the proposed framework, extensive experiments are carried on widely-used datasets in the literature, two versions of AntiCp2, cACP-DeepGram, ACP-740. Experiment results show the usage of proposed model enhances classification accuracy when compared to the state-of-the-art studies. The proposed framework, ESM, exhibits 96.45 of accuracy for AntiCp2 dataset, 97.66 of accuracy for cACP-DeepGram dataset, and 88.51 of accuracy for ACP-740 dataset, thence determining new state-of-the-art.
• Abstract（参考訳）: 抗がんペプチド(英語: Anticancer peptides、ACP)は、がん研究と治療の分野で大きな注目を集めている分子群である。 ACPはアミノ酸の短鎖であり、タンパク質の構成要素であり、がん細胞を選択的に標的にし、殺傷する能力を持っている。 ACPの主な利点の1つは、健康な細胞をより広範囲に分散させながら、がん細胞を選択的に標的にする能力である。 この選択性は、通常細胞と比較して癌細胞の表面特性の違いに起因することが多い。 そのため、ACPはがん治療の候補として研究されている。 ACPは単独で、あるいは化学療法や放射線療法のような他の治療法と組み合わせて用いられる。 ACPはがん治療に対する新しいアプローチとして期待されているが、安定性の最適化、選択性の向上、がん細胞へのデリバリーの促進、ペプチド配列の連続的な増加、信頼性と正確な予測モデルの開発など、克服すべき課題がある。 本研究では,正確で信頼性の高い予測モデルを行うことで抗癌ペプチドを識別できる効率的なトランスフォーマーベースのフレームワークを提案する。 この目的のために、アミノ酸配列から抗がんペプチドを検出するために、ESM、ProtBert、BioBERT、SciBERTの4つの異なるトランスフォーマーモデルを用いる。 このフレームワークの貢献を実証するために、文献で広く使われているデータセット、AntiCp2の2つのバージョン、cACP-DeepGram、ACP-740について広範な実験を行った。 実験の結果, 提案モデルの利用は, 最新の研究と比較して分類精度を高めることが示された。 提案されたフレームワークであるESMは、AntiCp2データセットの96.45の精度、cACP-DeepGramデータセットの97.66の精度、ACP-740データセットの88.51の精度を示し、その結果、新しい最先端技術を決定する。

関連論文リスト

• Biomarker based Cancer Classification using an Ensemble with Pre-trained Models [2.2436844508175224]
  マルチクラス分類タスクに対して,事前学習したハイパーファストモデル,XGBoost,LightGBMを組み合わせた新しいアンサンブルモデルを提案する。 我々はメタトレーニングしたハイパーファストモデルを用いてがんの分類を行い、AUCは0.9929である。 また,事前学習したハイパーファストモデル,XGBoost,LightGBMを多クラス分類タスクに組み合わせた新しいアンサンブルモデルを提案し,精度を漸進的に向上させる(0.9464)。
  論文  参考訳（メタデータ） (2024-06-14T14:43:59Z)
• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Predicting Ovarian Cancer Treatment Response in Histopathology using Hierarchical Vision Transformers and Multiple Instance Learning [2.0661578265672094]
  深層学習は、卵巣がん患者の治療が寛解に寄与するか、または疾患の進行を防ぐのに役立つかを予測するために用いられる。 提案手法では,階層型画像ピラミッド変換器 (HIPT) を用いて地域レベルの特徴を抽出し,特徴を集約し,スライド全体を分類するアテンションベースマルチインスタンス学習 (ABMIL) モデルを提案する。 卵巣癌WSIが治療反応を正確に予測できる情報を含んでいるかどうかはまだ明らかになっていない。
  論文  参考訳（メタデータ） (2023-10-19T16:16:29Z)
• An Efficient Consolidation of Word Embedding and Deep Learning Techniques for Classifying Anticancer Peptides: FastText+BiLSTM [0.0]
  抗がんペプチド(英語: Anticancer peptides、ACP)は、より高い選択性と安全性を有するペプチドである。 近年の科学的進歩はペプチドベースの治療法への関心を生んでいる。 ACPは、正常な細胞に悪影響を及ぼすことなく、目的の細胞を効率的に治療する利点を提供する。
  論文  参考訳（メタデータ） (2023-09-21T13:25:11Z)
• T Cell Receptor Protein Sequences and Sparse Coding: A Novel Approach to Cancer Classification [4.824821328103934]
  T細胞受容体(TCR)は、適応免疫系に必須のタンパク質である。 近年のシークエンシング技術の進歩により、TCRレパートリーの包括的なプロファイリングが可能になった。 これにより、強力な抗がん活性を持つTCRの発見とTCRベースの免疫療法の開発につながった。
  論文  参考訳（メタデータ） (2023-04-25T20:43:41Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Gene selection from microarray expression data: A Multi-objective PSO with adaptive K-nearest neighborhood [0.0]
  本稿では,遺伝子発現データを用いたヒト癌疾患の分類問題について論じる。 マイクロアレイデータセットを解析し,がん疾患を効果的に分類するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T04:22:10Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)

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。