Fugu-MT 論文翻訳(概要): Thought Graph: Generating Thought Process for Biological Reasoning

論文の概要: Thought Graph: Generating Thought Process for Biological Reasoning

arxiv url: http://arxiv.org/abs/2403.07144v1
Date: Mon, 11 Mar 2024 20:28:27 GMT
ステータス: 処理完了
システム内更新日: 2024-03-13 23:46:03.096173
Title: Thought Graph: Generating Thought Process for Biological Reasoning
Title（参考訳）: 思考グラフ:生物学的推論のための思考プロセスの生成
Authors: Chi-Yang Hsu, Kyle Cox, Jiawei Xu, Zhen Tan, Tianhua Zhai, Mengzhou Hu, Dexter Pratt, Tianlong Chen, Ziniu Hu, Ying Ding
Abstract要約: 我々は、複雑な推論をサポートするための新しいフレームワークとして、Thought Graphを提示する。我々は、生物学的プロセス間の意味的関係を明らかにするために、遺伝子セット分析を例に挙げる。
参考スコア（独自算出の注目度）: 40.24580620941457
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present the Thought Graph as a novel framework to support complex reasoning and use gene set analysis as an example to uncover semantic relationships between biological processes. Our framework stands out for its ability to provide a deeper understanding of gene sets, significantly surpassing GSEA by 40.28% and LLM baselines by 5.38% based on cosine similarity to human annotations. Our analysis further provides insights into future directions of biological processes naming, and implications for bioinformatics and precision medicine.
Abstract（参考訳）: 本稿では,複雑な推論を支援する新しい枠組みとして思考グラフを提示し,生物学的プロセス間の意味的関係を明らかにするための例として遺伝子集合分析を用いた。我々のフレームワークは、遺伝子セットをより深く理解し、GSEAを40.28%、LLMのベースラインを5.38%、人間のアノテーションとコサインの類似性に基づいて大幅に上回っている。さらに, バイオインフォマティクスおよび精密医療における生物学的プロセス命名の今後の方向性について考察した。

関連論文リスト

Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
論文参考訳（メタデータ） (2024-11-10T16:40:27Z)
BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。 BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。 6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
論文参考訳（メタデータ） (2024-05-27T19:57:17Z)
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)
Knowledge Graph Completion based on Tensor Decomposition for Disease Gene Prediction [2.838553480267889]
疾患や遺伝子を中心とした生物学的知識グラフを構築し,疾患発生予測のためのエンドツーエンドの知識グラフ補完モデルを構築した。 KDGeneは、実体の埋め込みとテンソル分解との関係の間の相互作用モジュールを導入し、生物学的知識における情報相互作用を効果的に強化する。
論文参考訳（メタデータ） (2023-02-18T13:57:44Z)
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)
Graph algorithms for predicting subcellular localization at the pathway level [1.370633147306388]
生物経路における全ての相互作用の局所化をエッジラベルタスクとして予測するグラフアルゴリズムを開発した。また, ウイルス感染によるヒト線維芽細胞の局在を予測し, 生物学的経路を構築するケーススタディも実施した。
論文参考訳（メタデータ） (2022-12-12T15:49:43Z)
Biologically-informed deep learning models for cancer: fundamental trends for encoding and interpreting oncology data [0.0]
本稿では,癌生物学における推論を支援するために用いられる深層学習(DL)モデルに着目した構造化文献解析を行う。この研究は、既存のモデルが、先行知識、生物学的妥当性、解釈可能性とのより良い対話の必要性にどのように対処するかに焦点を当てている。
論文参考訳（メタデータ） (2022-07-02T12:11:35Z)
Feature extraction using Spectral Clustering for Gene Function Prediction [0.4492444446637856]
本稿では,クラスタ分析と階層的マルチラベル分類を組み合わせたアノテーション問題に対する,シリコアプローチの新たなアプローチを提案する。提案手法は、世界で最も支配的かつ生産的な作物であるゼア・メイズ(Zia mays)のケーススタディに適用される。
論文参考訳（メタデータ） (2022-03-25T10:17:36Z)
Graph Representation Learning on Tissue-Specific Multi-Omics [0.0]
組織特異的遺伝子間相互作用(GGI)ネットワーク上でリンク予測を行うために,グラフ埋め込みモデル(すなわちVGAE)を利用する。複数生物のモダリティ(マルチオミクス)の組み合わせは、強力な埋め込みとより良いリンク予測性能をもたらすことを証明した。
論文参考訳（メタデータ） (2021-07-25T17:38:45Z)
Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文参考訳（メタデータ） (2021-02-11T09:04:45Z)

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。