論文の概要: Neuromorphic Spiking Neural Network Based Classification of COVID-19 Spike Sequences

• arxiv url: http://arxiv.org/abs/2501.14746v1
• Date: Thu, 19 Dec 2024 10:26:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 06:50:00.391061
• Title: Neuromorphic Spiking Neural Network Based Classification of COVID-19 Spike Sequences
• Title（参考訳）: ニューロモルフィックスパイクニューラルネットワークを用いたCOVID-19スパイク配列の分類
• Authors: Taslim Murad, Prakash Chourasia, Sarwan Ali, Imdad Ullah Khan, Murray Patterson,
• Abstract要約: 本稿では,SARS-CoV-2データの効率的な解析を行うニューラルネットワークベース(NN)機構を提案する。 本稿では、まずスパイクタンパク質配列を固定長の数値表現に変換し、次にニューロモルフィックスパイキングニューラルネットワークを用いてそれらの配列を分類するパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 4.497217246897902
• License:
• Abstract: The availability of SARS-CoV-2 (severe acute respiratory syndrome coronavirus 2) virus data post-COVID has reached exponentially to an enormous magnitude, opening research doors to analyze its behavior. Various studies are conducted by researchers to gain a deeper understanding of the virus, like genomic surveillance, etc, so that efficient prevention mechanisms can be developed. However, the unstable nature of the virus (rapid mutations, multiple hosts, etc) creates challenges in designing analytical systems for it. Therefore, we propose a neural network-based (NN) mechanism to perform an efficient analysis of the SARS-CoV-2 data, as NN portrays generalized behavior upon training. Moreover, rather than using the full-length genome of the virus, we apply our method to its spike region, as this region is known to have predominant mutations and is used to attach to the host cell membrane. In this paper, we introduce a pipeline that first converts the spike protein sequences into a fixed-length numerical representation and then uses Neuromorphic Spiking Neural Network to classify those sequences. We compare the performance of our method with various baselines using real-world SARS-CoV-2 spike sequence data and show that our method is able to achieve higher predictive accuracy compared to the recent baselines.
• Abstract（参考訳）: SARS-CoV-2(重症急性呼吸器症候群ウイルス2型)は、新型コロナウイルス後のウイルスデータが飛躍的に増加し、研究ドアを開いて行動を分析している。 研究者によって、ゲノム監視など、ウイルスのより深い理解を得るために様々な研究が行われ、効率的な予防機構が開発される。 しかし、ウイルスの不安定な性質(ラピッド突然変異、複数の宿主など)は、その解析システムを設計する上での課題を生み出している。 そこで,ニューラルネットワークを用いたSARS-CoV-2データの効率的な解析手法を提案する。 さらに、ウイルスの全長ゲノムを使用する代わりに、本手法をスパイク領域に適用する。 本稿では、まずスパイクタンパク質配列を固定長の数値表現に変換し、次にニューロモルフィックスパイキングニューラルネットワークを用いてそれらの配列を分類するパイプラインを提案する。 実世界のSARS-CoV-2スパイクシーケンスデータを用いて,本手法の性能を各種ベースラインと比較し,最近のベースラインと比較して予測精度が高いことを示す。

関連論文リスト

• PCD2Vec: A Poisson Correction Distance-Based Approach for Viral Host Classification [0.966840768820136]
  コロナウイルス(英: Coronavirus)は、コロナウイルス科に属する膜に侵入し、非分節の正鎖RNAウイルスである。 コロナウイルスゲノムにおいて、重要な構造領域はスパイク領域であり、宿主の細胞膜にウイルスを付着させる責任がある。 本研究では、異なるウイルス亜属および種からスパイクタンパク質配列を解析することにより、ウイルスの宿主特異性を予測する新しい方法を提案する。
  論文  参考訳（メタデータ） (2023-04-13T03:02:22Z)
• 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)
• COVID-Net US-X: Enhanced Deep Neural Network for Detection of COVID-19 Patient Cases from Convex Ultrasound Imaging Through Extended Linear-Convex Ultrasound Augmentation Learning [75.74756992992147]
  世界人口は新型コロナウイルス(COVID-19)のパンデミックの影響で大きな影響を受け続けている。 医療用ポイント・オブ・ケア・超音波(POCUS)画像は、低コストで有効な画像モダリティとして利用されてきている。 POCUSを使用した新型コロナウイルススクリーニングのためのディープニューラルネットワークを構築する上での大きな課題は、使用するプローブの種類だ。
  論文  参考訳（メタデータ） (2022-04-29T02:13:39Z)
• Using Deep Learning Sequence Models to Identify SARS-CoV-2 Divergence [1.9573380763700707]
  SARS-CoV-2は上層呼吸器系RNAウイルスで、2021年5月時点で300万人以上が死亡し、全世界で1億5000万人以上が感染している。 本稿では、繰り返しおよび畳み込み単位を利用してスパイクタンパク質のアミノ酸配列を取り込み、対応するクレードを分類するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2021-11-12T07:52:11Z)
• Robust Representation and Efficient Feature Selection Allows for Effective Clustering of SARS-CoV-2 Variants [0.0]
  SARS-CoV-2ウイルスは異なる変種を含み、それぞれ異なる変異を持つ。 SARS-CoV-2ゲノムの変異の多くは、ゲノム配列のスパイク領域で不均等に起こる。 本研究では,異なる既知の変異体の挙動を研究するために,スパイクタンパク質配列をクラスタ化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-18T21:18:52Z)
• Classifying COVID-19 Spike Sequences from Geographic Location Using Deep Learning [0.0]
  我々はまず,$k$-merssを用いてSARS-CoV-2のスパイクタンパク質配列の数値表現を計算するアルゴリズムを提案する。 また、スパイク配列における異なるアミノ酸の重要性を、真のクラスラベルに対応する情報ゲインを計算することによって示す。
  論文  参考訳（メタデータ） (2021-10-02T14:09:30Z)
• Effective and scalable clustering of SARS-CoV-2 sequences [0.41998444721319206]
  SARS-CoV-2は進化過程に従って変異し続けている。 GISAIDなどの公開データベースで現在利用可能なSARS-CoV-2のシーケンス数は数百万である。 本稿では,現在のSARS-CoV-2変種をクラスタリングシーケンスに基づいて同定する手法を提案する。
  論文  参考訳（メタデータ） (2021-08-18T13:32:43Z)
• A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
  アミノ酸の順序を保つことで,分類器の精度が向上することを示す。 また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
  論文  参考訳（メタデータ） (2021-08-07T15:08:15Z)
• Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
  疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。 本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。 深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
  論文  参考訳（メタデータ） (2021-05-31T19:28:17Z)
• Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
  半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。 我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
  論文  参考訳（メタデータ） (2020-10-10T19:33:53Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。