論文の概要: iTARGET: Interpretable Tailored Age Regression for Grouped Epigenetic Traits

• arxiv url: http://arxiv.org/abs/2501.02401v1
• Date: Sat, 04 Jan 2025 23:06:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:06:26.391721
• Title: iTARGET: Interpretable Tailored Age Regression for Grouped Epigenetic Traits
• Title（参考訳）: iTARGET:集団的エピジェネティック形質に対する解釈可能な老化回帰
• Authors: Zipeng Wu, Daniel Herring, Fabian Spill, James Andrews,
• Abstract要約: そこで本研究では,DNAメチル化パターンから時系列年代を正確に予測する2相アルゴリズムを提案する。 提案手法は予測精度を向上するだけでなく,鍵となる年齢関連CpGサイトを明らかにし,老化率の変化を検出し,CpGサイト間の相互の相互作用を識別する。 実験の結果,本手法は従来のエピジェネティッククロックや機械学習モデルよりも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Accurately predicting chronological age from DNA methylation patterns is crucial for advancing biological age estimation. However, this task is made challenging by Epigenetic Correlation Drift (ECD) and Heterogeneity Among CpGs (HAC), which reflect the dynamic relationship between methylation and age across different life stages. To address these issues, we propose a novel two-phase algorithm. The first phase employs similarity searching to cluster methylation profiles by age group, while the second phase uses Explainable Boosting Machines (EBM) for precise, group-specific prediction. Our method not only improves prediction accuracy but also reveals key age-related CpG sites, detects age-specific changes in aging rates, and identifies pairwise interactions between CpG sites. Experimental results show that our approach outperforms traditional epigenetic clocks and machine learning models, offering a more accurate and interpretable solution for biological age estimation with significant implications for aging research.
• Abstract（参考訳）: DNAメチル化パターンから年代を正確に予測することは生物学的年齢推定を推し進めるために重要である。 しかし, この課題は, CpGs間のエピジェネティック相関ドリフト (ECD) とヘテロジネリティ (HAC) によって解決され, メチル化と年齢の動的関係を反映している。 これらの問題に対処するため、我々は新しい二相アルゴリズムを提案する。 第1フェーズは、年齢グループによるクラスタメチル化プロファイルと類似性検索を使用し、第2フェーズは、正確にグループ固有の予測にEBM(Explainable Boosting Machines)を使用する。 提案手法は予測精度を向上するだけでなく,鍵となる年齢関連CpGサイトを明らかにし,老化率の変化を検出し,CpGサイト間の相互の相互作用を識別する。 実験の結果, 従来のエピジェネティッククロックや機械学習モデルよりも優れており, 老化研究に重要な意味を持つ生物学的年齢推定のための, より正確かつ解釈可能なソリューションを提供することがわかった。

関連論文リスト

• U-learning for Prediction Inference via Combinatory Multi-Subsampling: With Applications to LASSO and Neural Networks [5.587500517608073]
  エピジェネティックな老化時計は、DNAメチル化パターンを調べることによって、個人の生物学的年齢を推定する上で重要な役割を担っている。 アンサンブル予測のためのマルチサブラーニングによる新しいUサンプリング手法を提案する。 より具体的には、一般化されたU統計学の枠組みにおけるアンサンブル推定器を概念化する。 提案手法はLassoとDeep Neural Network(DNN)の2つの一般的な予測アルゴリズムに適用し,広範囲な数値研究による推論の有効性を示す。
  論文  参考訳（メタデータ） (2024-07-22T00:03:51Z)
• 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)
• Longitudinal prediction of DNA methylation to forecast epigenetic outcomes [2.5936539522838506]
  マルチ平均ガウス過程(GP)に基づく確率的・縦断的機械学習フレームワークを提案する。 本モデルでは,0～4歳児の出生コホートをトレーニングし,各児のメチル化部位の状態が5～7歳児で正確に予測できることを実証した。 このアプローチにより、エピジェネティックな研究は、発達、老化、疾患進行の過程でのエピジェネティックな変化を研究するために、縦断的な設計へと進むことが奨励される。
  論文  参考訳（メタデータ） (2023-12-19T22:15:27Z)
• Using explainable AI to investigate electrocardiogram changes during healthy aging -- from expert features to raw signals [0.8108972030676012]
  我々は、さまざまな年齢の健康な個人の頑健なデータセットからECGデータを分析するために、ディープラーニングモデルとツリーベースモデルを用いています。 木系分類器を用いて解析したところ, 年齢による呼吸速度の低下がみられた。 これらの発見は、年齢に関するECGの変化に新たな光を当て、従来の機能ベースのアプローチを超越した洞察を与えました。
  論文  参考訳（メタデータ） (2023-10-11T13:05:28Z)
• T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression [82.85825388788567]
  我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。 T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
  論文  参考訳（メタデータ） (2023-02-24T13:30:35Z)
• Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
  我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。 シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T19:16:56Z)
• An Information-Theoretic Framework for Identifying Age-Related Genes Using Human Dermal Fibroblast Transcriptome Data [0.8122270502556371]
  我々は老化に関連する遺伝子を同定するための情報理論フレームワークを開発した。 我々はヒト皮膚線維芽細胞遺伝子発現データに教師なしおよび半教師付き学習技術を用いた。 教師なし手法と半教師なし手法の両方のパフォーマンス評価は,フレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2021-11-04T02:41:33Z)
• LAE : Long-tailed Age Estimation [52.5745217752147]
  まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。 標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。 本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T09:05:44Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• Integrated Age Estimation Mechanism [14.66142603273126]
  提案した年齢推定機構は, 年齢推定のトレードオフ効果が良好である。 このメカニズムは、異なる特定の年齢推定アルゴリズムを構築するために使用できるフレームワークメカニズムである。
  論文  参考訳（メタデータ） (2021-03-11T09:14:10Z)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)

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。