論文の概要: Graph-Based Biomarker Discovery and Interpretation for Alzheimer's Disease
- arxiv url: http://arxiv.org/abs/2411.18796v1
- Date: Wed, 27 Nov 2024 22:45:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:18:45.181029
- Title: Graph-Based Biomarker Discovery and Interpretation for Alzheimer's Disease
- Title（参考訳）: アルツハイマー病におけるグラフベースのバイオマーカーの発見と解釈
- Authors: Maryam Khalid, Fadeel Sher Khan, John Broussard, Arko Barman,
- Abstract要約: アルツハイマー病(AD)の早期診断と治療薬標的の発見
近年の血液検査では、ADの診断と、AD管理のための薬物標的として使用できる可能性のあるバイオマーカーの強調が期待されている。
ここでは、診断精度とバイオマーカー発見プロセスを共同で最適化する、新しい機械学習フレームワークであるBRAINを紹介する。
- 参考スコア（独自算出の注目度）: 1.859931123372708
- License:
- Abstract: Early diagnosis and discovery of therapeutic drug targets are crucial objectives for the effective management of Alzheimer's Disease (AD). Current approaches for AD diagnosis and treatment planning are based on radiological imaging and largely inaccessible for population-level screening due to prohibitive costs and limited availability. Recently, blood tests have shown promise in diagnosing AD and highlighting possible biomarkers that can be used as drug targets for AD management. Blood tests are significantly more accessible to disadvantaged populations, cost-effective, and minimally invasive. However, biomarker discovery in the context of AD diagnosis is complex as there exist important associations between various biomarkers. Here, we introduce BRAIN (Biomarker Representation, Analysis, and Interpretation Network), a novel machine learning (ML) framework to jointly optimize the diagnostic accuracy and biomarker discovery processes to identify all relevant biomarkers that contribute to AD diagnosis. Using a holistic graph-based representation for biomarkers, we highlight their inter-dependencies and explain why different ML models identify different discriminative biomarkers. We apply BRAIN to a publicly available blood biomarker dataset, revealing three novel biomarker sub-networks whose interactions vary between the control and AD groups, offering a new paradigm for drug discovery and biomarker analysis for AD.
- Abstract（参考訳）: 治療薬標的の早期診断と発見は、アルツハイマー病(AD)を効果的に管理するための重要な目的である。
AD診断と治療計画の現在のアプローチは、放射線画像に基づいており、禁止コストと限られた可用性のために、人口レベルのスクリーニングには利用できない。
近年、血液検査はADの診断と、AD管理のための薬物標的として使用できる可能性のあるバイオマーカーの強調を約束している。
血液検査は、不利な人口にかなりアクセスしやすく、費用対効果があり、最小限の侵襲性がある。
しかし、AD診断の文脈におけるバイオマーカーの発見は、様々なバイオマーカーの間に重要な関連があるため、複雑である。
本稿では、診断精度とバイオマーカー発見プロセスを協調的に最適化し、AD診断に寄与するすべての関連バイオマーカーを識別する新しい機械学習(ML)フレームワークであるBRAIN(Biomarker Representation, Analysis, and Interpretation Network)を紹介する。
バイオマーカーの総合的なグラフベース表現を用いて、それらの相互依存性を強調し、異なるMLモデルが異なる識別的バイオマーカーを識別する理由を説明する。
我々は、BRAINを一般公開されたバイオマーカーデータセットに適用し、コントロールとADグループ間の相互作用が異なる3つの新しいバイオマーカーサブネットワークを明らかにし、ADのための薬物発見およびバイオマーカー分析のための新しいパラダイムを提供する。
関連論文リスト
- Large Language Models for Bioinformatics [58.892165394487414]
本調査はバイオインフォマティクス特化言語モデル(BioLM)の進化,分類,特徴の識別に焦点をあてる。
疾患診断, 薬物発見, ワクチン開発などの重要な分野において, バイオフィルムの幅広い応用について検討する。
データプライバシやセキュリティ上の問題,解釈可能性の問題,トレーニングデータやモデル出力のバイアス,ドメイン適応複雑性など,BioLMに固有の重要な課題や制限を特定します。
論文 参考訳（メタデータ） (2025-01-10T01:43:05Z) - Computational Methods for Breast Cancer Molecular Profiling through Routine Histopathology: A Review [0.2671776059280352]
近年の人工知能の進歩により、デジタル病理学は標的となる分子およびより広い眼生マーカーの病理像を解析できるようになった。
これらの技術は、通常のヘマトキシリンおよびエオシン染色画像から直接ゲノム、転写、プロテオミクス、代謝マーカーなどの様々なバイオマーカーを抽出する機能を提供する。
論文 参考訳（メタデータ） (2024-12-01T08:13:49Z) - MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。
セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文 参考訳（メタデータ） (2024-06-12T15:22:56Z) - scBeacon: single-cell biomarker extraction via identifying paired cell
clusters across biological conditions with contrastive siamese networks [0.9591674293850556]
scBeaconは、深いコントラストのあるシアムネットワーク上に構築されたフレームワークである。
scBeaconは、様々な条件で一致した細胞集団を特定します。
包括的な評価は、既存の単細胞差分遺伝子解析ツールよりも scBeacon の方が優れていることを検証する。
論文 参考訳（メタデータ） (2023-11-05T08:27:24Z) - ADMarker: A Multi-Modal Federated Learning System for Monitoring Digital Biomarkers of Alzheimer's Disease [9.348164579913181]
アルツハイマー病(AD)と関連する認知症は高齢化による世界的な健康問題である。
マルチモーダルセンサと,自然環境における多次元ADデジタルバイオマーカー検出のための新しいフェデレーション学習アルゴリズムを統合した,初のエンドツーエンドシステムであるADMarkerを提案する。
論文 参考訳（メタデータ） (2023-10-23T19:07:33Z) - Deep Learning Predicts Biomarker Status and Discovers Related
Histomorphology Characteristics for Low-Grade Glioma [21.281553456323998]
低次グリオーマ(LGG)の診断と治療にはバイオマーカー検出が不可欠である
ヘマトキシリンとエオシンを含む全スライド画像とスライドレベルのバイオマーカーステータスラベルを用いて,LGGの5つのバイオマーカーの状態を予測するための解釈可能なディープラーニングパイプラインを提案する。
我々のパイプラインはバイオマーカー予測の新しいアプローチを提供するだけでなく、LGG患者に対する分子治療の適用性を高めるだけでなく、分子機能とLGGの進行の新たなメカニズムの発見を促進する。
論文 参考訳（メタデータ） (2023-10-11T13:05:33Z) - A marker-less human motion analysis system for motion-based biomarker
discovery in knee disorders [60.99112047564336]
NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。
膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
論文 参考訳（メタデータ） (2023-04-26T16:47:42Z) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳（メタデータ） (2022-03-23T00:58:27Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - Adversarial Factor Models for the Generation of Improved Autism
Diagnostic Biomarkers [19.48133927082379]
自閉症スペクトラム障害 (ASD) 診断のためのバイオマーカーの改良に, 逆線形因子モデルを適用した。
まず, 逆線形因子モデルを用いてバイオマーカーから共起情報を除去し, ASD 上の関連する情報のみを含むことを実証する。
次に, このモデルを用いて, 予測性能が向上する多モードバイオマーカーの非交叉表現を学習できることを示す。
論文 参考訳（メタデータ） (2021-09-24T21:56:30Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z)
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。