論文の概要: evolSOM: an R Package for evolutionary conservation analysis with SOMs
- arxiv url: http://arxiv.org/abs/2402.07948v1
- Date: Fri, 9 Feb 2024 20:33:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 18:06:24.267744
- Title: evolSOM: an R Package for evolutionary conservation analysis with SOMs
- Title(参考訳): evolSOM:SOMを用いた進化保存解析のためのRパッケージ
- Authors: Santiago Prochetto, Renata Reinheimer, Georgina Stegmayer
- Abstract要約: 本稿では,生物変数の保存を探索・可視化するために,自己組織化マップ(SOM)を利用した新しいRパッケージであるevolSOMを紹介する。
パッケージは自動的に変位を計算し、図形的に表示し、保存された変数と変位した変数を効率よく比較および明らかにする。
EvolSOMを用いて遺伝子および表現型形質の変位を解析し、草葉における表現型分化の潜在的な要因を同定した。
- 参考スコア(独自算出の注目度): 0.4972323953932129
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Motivation: Unraveling the connection between genes and traits is crucial for
solving many biological puzzles. Genes provide instructions for building
cellular machinery, directing the processes that sustain life. RNA molecules
and proteins, derived from these genetic instructions, play crucial roles in
shaping cell structures, influencing reactions, and guiding behavior. This
fundamental biological principle links genetic makeup to observable traits, but
integrating and extracting meaningful relationships from this complex,
multimodal data presents a significant challenge. Results: We introduce
evolSOM, a novel R package that utilizes Self-Organizing Maps (SOMs) to explore
and visualize the conservation of biological variables, easing the integration
of phenotypic and genotypic attributes. By constructing species-specific or
condition-specific SOMs that capture non-redundant patterns, evolSOM allows the
analysis of displacement of biological variables between species or conditions.
Variables displaced together suggest membership in the same regulatory network,
and the nature of the displacement may hold biological significance. The
package automatically calculates and graphically presents these displacements,
enabling efficient comparison and revealing conserved and displaced variables.
The package facilitates the integration of diverse phenotypic data types,
enabling the exploration of potential gene drivers underlying observed
phenotypic changes. Its user-friendly interface and visualization capabilities
enhance the accessibility of complex network analyses. Illustratively, we
employed evolSOM to study the displacement of genes and phenotypic traits,
successfully identifying potential drivers of phenotypic differentiation in
grass leaves. Availability: The package is open-source and is available at
https://github.com/sanprochetto/evolSOM.
- Abstract(参考訳): モチベーション:遺伝子と形質の関連を解き放つことは、多くの生物学的パズルを解く上で重要である。
遺伝子は細胞機械を構築するための指示を与え、生命を維持する過程を指示する。
これらの遺伝子から誘導されるRNA分子やタンパク質は、細胞構造の形成、反応への影響、誘導行動において重要な役割を果たす。
この基本的な生物学的原理は遺伝子構成と観測可能な形質を結びつけるが、この複雑なマルチモーダルデータから有意義な関係を統合・抽出することは重大な課題である。
結果: 自己組織マップ(SOM)を用いて生物変数の保存を探索・可視化し, 表現型属性と遺伝子型属性の統合を緩和する新しいRパッケージであるevolSOMを紹介した。
非冗長パターンを捕捉する種特異的または条件特異的なSOMを構築することにより、evolSOMは種または条件間の生物学的変数の変位を分析することができる。
同時に変位した変数は、同じ規制ネットワークのメンバーシップを示し、変位の性質は生物学的に重要な意味を持つかもしれない。
パッケージは自動的にこれらの変位を計算し、グラフィカルに提示し、効率的な比較と保存された変数と配置された変数の明確化を可能にする。
このパッケージは多様な表現型データ型の統合を促進し、観察された表現型の変化に基づく潜在的な遺伝子ドライバの探索を可能にする。
そのユーザフレンドリーなインターフェースと視覚化機能は、複雑なネットワーク分析のアクセシビリティを高める。
EvolSOMを用いて遺伝子および表現型形質の変位を解析し、草葉における表現型分化の潜在的な要因を同定した。
アベイラビリティ:パッケージはオープンソースであり、https://github.com/sanprochetto/evolsomで利用可能である。
関連論文リスト
- Semantically Rich Local Dataset Generation for Explainable AI in Genomics [0.716879432974126]
ゲノム配列に基づいて訓練されたブラックボックス深層学習モデルは、異なる遺伝子制御機構の結果を予測するのに優れている。
本稿では、遺伝的プログラミングを用いて、その意味的多様性に寄与する配列の摂動を進化させることによりデータセットを生成することを提案する。
論文 参考訳(メタデータ) (2024-07-03T10:31:30Z) - 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) - Sparsity regularization via tree-structured environments for disentangled representations [4.824771782127179]
因果表現学習は、経路活性化のような潜伏変数の推測を可能にすることによって科学的理解を促進することができる。
我々は複数の関連するデータセット(環境)とタスクから潜伏変数を推定する手法を開発した。
木に基づく規則化(TBR)は,予測誤差を最小化し,関連する環境を規則化し,類似の予測子を学習する。
論文 参考訳(メタデータ) (2024-05-30T21:08:14Z) - Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。
4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
論文 参考訳(メタデータ) (2024-05-29T02:35:23Z) - Whole Genome Transformer for Gene Interaction Effects in Microbiome Habitat Specificity [3.972930262155919]
本研究では、遺伝子ベクター化のための既存の大規模モデルを利用して、微生物ゲノム配列全体から生息地特異性を予測する枠組みを提案する。
我々は、異なる生息地から得られた高品質のマイクロバイオームゲノムの大規模なデータセット上で、我々のアプローチを訓練し、検証する。
論文 参考訳(メタデータ) (2024-05-09T09:34:51Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳(メタデータ) (2023-10-23T13:35:24Z) - Genetic InfoMax: Exploring Mutual Information Maximization in
High-Dimensional Imaging Genetics Studies [50.11449968854487]
遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。
画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。
本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
論文 参考訳(メタデータ) (2023-09-26T03:59:21Z) - 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) - SemanticCAP: Chromatin Accessibility Prediction Enhanced by Features
Learning from a Language Model [3.0643865202019698]
本稿では、ゲノムのアクセス可能な領域を特定するためのSemanticCAPという新しいソリューションを提案する。
遺伝子配列のコンテキストをモデル化する遺伝子モデルを導入し、遺伝子配列の効果的な表現を提供する。
公開ベンチマークによる他のシステムと比較すると,我々のモデルは性能が向上することが判明した。
論文 参考訳(メタデータ) (2022-04-05T11:47:58Z)
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。