論文の概要: Machine Learning-Based Prediction of Key Genes Correlated to the Subretinal Lesion Severity in a Mouse Model of Age-Related Macular Degeneration
- arxiv url: http://arxiv.org/abs/2409.05047v1
- Date: Sun, 8 Sep 2024 10:08:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-10 19:30:04.054875
- Title: Machine Learning-Based Prediction of Key Genes Correlated to the Subretinal Lesion Severity in a Mouse Model of Age-Related Macular Degeneration
- Title（参考訳）: 加齢黄斑変性モデルマウスにおける網膜下病変重症度に関連する鍵遺伝子の機械学習による予測
- Authors: Kuan Yan, Yue Zeng, Dai Shi, Ting Zhang, Dmytro Matsypura, Mark C. Gillies, Ling Zhu, Junbin Gao,
- Abstract要約: 加齢関連黄斑変性症(AMD)は、高齢者の視覚障害の主要な原因である。
AMDの理解の進歩にもかかわらず、網膜下傷(線維症)の重症度を誘導する分子的要因はいまだ解明されていない。
本研究では、病変の重症度に強く相関するキー遺伝子を予測する機械学習ベースのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 23.83675500954393
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Age-related macular degeneration (AMD) is a major cause of blindness in older adults, severely affecting vision and quality of life. Despite advances in understanding AMD, the molecular factors driving the severity of subretinal scarring (fibrosis) remain elusive, hampering the development of effective therapies. This study introduces a machine learning-based framework to predict key genes that are strongly correlated with lesion severity and to identify potential therapeutic targets to prevent subretinal fibrosis in AMD. Using an original RNA sequencing (RNA-seq) dataset from the diseased retinas of JR5558 mice, we developed a novel and specific feature engineering technique, including pathway-based dimensionality reduction and gene-based feature expansion, to enhance prediction accuracy. Two iterative experiments were conducted by leveraging Ridge and ElasticNet regression models to assess biological relevance and gene impact. The results highlight the biological significance of several key genes and demonstrate the framework's effectiveness in identifying novel therapeutic targets. The key findings provide valuable insights for advancing drug discovery efforts and improving treatment strategies for AMD, with the potential to enhance patient outcomes by targeting the underlying genetic mechanisms of subretinal lesion development.
- Abstract（参考訳）: 加齢関連黄斑変性症(AMD)は、高齢者の視力障害の主要な原因であり、視力や生活の質に深刻な影響を及ぼす。
AMDの理解の進歩にもかかわらず、網膜下傷(線維症)の重症度を誘導する分子的要因は解離性であり、効果的な治療法の開発を妨げている。
本研究は, 病変の重症度に強く相関するキー遺伝子を予測し, 網膜下線維症を予防するための治療標的を同定するための機械学習ベースのフレームワークを提案する。
JR5558マウスの病原性網膜からのRNAシークエンシング(RNA-seq)データセットを用いて、経路に基づく次元減少と遺伝子に基づく特徴拡張を含む、新規で特異的な特徴工学手法を開発し、予測精度を高めた。
RidgeとElasticNetの回帰モデルを利用して2つの反復実験を行い、生物学的関連性と遺伝子の影響を評価した。
その結果、いくつかの重要な遺伝子の生物学的意義を強調し、新規な治療標的の同定におけるフレームワークの有効性を実証した。
重要な発見は、薬物発見の進歩とAMDの治療戦略の改善に有用な知見を提供するとともに、網膜下病変発生の基盤となる遺伝子機構を標的として、患者の成果を向上する可能性がある。
関連論文リスト
- Discovering robust biomarkers of neurological disorders from functional MRI using graph neural networks: A Review [4.799269666410891]
本稿では、障害予測タスクのためのfMRIデータセットに対して、GNNとモデル説明可能性技術がどのように適用されてきたかを概説する。
その結果、ほとんどの研究にはパフォーマンスモデルがあるが、これらの研究で強調された健全な特徴は、同じ障害の研究によって大きく異なることが判明した。
これらのバイオマーカーのロバスト性を決定するために,客観的評価指標に基づく新しい標準を確立することを提案する。
論文 参考訳（メタデータ） (2024-05-01T15:29:55Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Physical formula enhanced multi-task learning for pharmacokinetics prediction [54.13787789006417]
AIによる薬物発見の大きな課題は、高品質なデータの不足である。
薬物動態の4つの重要なパラメータを同時に予測するPEMAL法を開発した。
実験の結果,PEMALは一般的なグラフニューラルネットワークに比べてデータ需要を著しく低減することがわかった。
論文 参考訳（メタデータ） (2024-04-16T07:42:55Z) - 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) - AI driven B-cell Immunotherapy Design [0.0]
抗原中和と除去ヒンジの効果は、パラトープ-エピトープ相互作用の強さ、感受性、特異性に影響を及ぼす。
近年、人工知能と機械学習の手法は大きな進歩を遂げ、タンパク質の構造とその複合体の予測に革命をもたらした。
本稿では,B細胞免疫療法設計分野における機械学習ツールとそのフレームワークの進歩に焦点をあてる。
論文 参考訳（メタデータ） (2023-09-03T09:14:10Z) - Machine Learning Methods for Cancer Classification Using Gene Expression
Data: A Review [77.34726150561087]
がんは心臓血管疾患の2番目の死因である。
遺伝子発現は癌の早期発見において基本的な役割を担っている。
本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
論文 参考訳（メタデータ） (2023-01-28T15:03:03Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - SPLDExtraTrees: Robust machine learning approach for predicting kinase
inhibitor resistance [1.0674604700001966]
本研究では,タンパク質変異によるリガンド結合親和性の変化を正確に予測できる堅牢な機械学習手法SPLDExtraTreesを提案する。
提案手法は、学習が容易なサンプルから始まる特定のスキームに従ってトレーニングデータをランク付けする。
実験では,3つのシナリオにおいて,キナーゼ阻害剤耐性の予測法の有効性を実証した。
論文 参考訳（メタデータ） (2021-11-15T09:07:45Z) - Predicting Potential Drug Targets Using Tensor Factorisation and
Knowledge Graph Embeddings [4.415977307120617]
我々は、病気の潜在的な薬物標的(遺伝子またはタンパク質)を予測するための新しいテンソル分解モデルを開発した。
薬物発見指向の知識グラフから得られた遺伝子表現を用いてデータを豊かにし,提案手法を適用し,未確認ターゲットと解離ペアの臨床的結果を予測する。
論文 参考訳（メタデータ） (2021-05-20T16:19:00Z) - 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) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳（メタデータ） (2020-09-16T15:16:03Z)
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。