論文の概要: HiCMamba: Enhancing Hi-C Resolution and Identifying 3D Genome Structures with State Space Modeling

• arxiv url: http://arxiv.org/abs/2503.10713v1
• Date: Thu, 13 Mar 2025 03:04:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-17 13:09:08.900210
• Title: HiCMamba: Enhancing Hi-C Resolution and Identifying 3D Genome Structures with State Space Modeling
• Title（参考訳）: HiCMamba: 状態空間モデリングによる高C分解能の強化と3Dゲノム構造の同定
• Authors: Minghao Yang, Zhi-An Huang, Zhihang Zheng, Yuqiao Liu, Shichen Zhang, Pengfei Zhang, Hui Xiong, Shaojun Tang,
• Abstract要約: Hi-C技術はゲノム全体の相互作用周波数を測定し、核内の3Dゲノム構造を研究する強力なツールを提供する。 状態空間モデルを用いたHi-Cコンタクトマップの解像度を向上させるための,新しい深層学習方式HiCMambaを提案する。
• 参考スコア（独自算出の注目度）: 19.26629200371285
• License:
• Abstract: Hi-C technology measures genome-wide interaction frequencies, providing a powerful tool for studying the 3D genomic structure within the nucleus. However, high sequencing costs and technical challenges often result in Hi-C data with limited coverage, leading to imprecise estimates of chromatin interaction frequencies. To address this issue, we present a novel deep learning-based method HiCMamba to enhance the resolution of Hi-C contact maps using a state space model. We adopt the UNet-based auto-encoder architecture to stack the proposed holistic scan block, enabling the perception of both global and local receptive fields at multiple scales. Experimental results demonstrate that HiCMamba outperforms state-of-the-art methods while significantly reducing computational resources. Furthermore, the 3D genome structures, including topologically associating domains (TADs) and loops, identified in the contact maps recovered by HiCMamba are validated through associated epigenomic features. Our work demonstrates the potential of a state space model as foundational frameworks in the field of Hi-C resolution enhancement.
• Abstract（参考訳）: Hi-C技術はゲノム全体の相互作用周波数を測定し、核内の3Dゲノム構造を研究する強力なツールを提供する。 しかし、高いシークエンシングコストと技術的課題は、カバー範囲が限定されたHi-Cデータをもたらすことが多く、クロマチン相互作用周波数の不正確な推定に繋がる。 この問題に対処するために、状態空間モデルを用いたHi-Cコンタクトマップの解像度を向上させるための、新しいディープラーニングベースのHiCMambaを提案する。 我々は、UNetベースのオートエンコーダアーキテクチャを採用し、提案した包括的スキャンブロックを積み重ね、グローバルおよびローカルの両方の受容場を複数のスケールで認識できるようにする。 実験の結果,HiCMambaは計算資源を大幅に削減しつつ,最先端の手法よりも優れていた。 さらに、HiCMambaが検索したコンタクトマップで同定された3Dゲノム構造、例えば、トポロジカル・アソシエーション・ドメイン(TAD)やループは、関連する疫学的特徴によって検証される。 本研究は,Hi-C分解能向上の分野における基礎となるフレームワークとして,状態空間モデルの可能性を示す。

関連論文リスト

• MambaClinix: Hierarchical Gated Convolution and Mamba-Based U-Net for Enhanced 3D Medical Image Segmentation [6.673169053236727]
  医用画像分割のための新しいU字型アーキテクチャであるMambaClinixを提案する。 MambaClinixは、階層的なゲート畳み込みネットワークとMambaを適応的なステージワイドフレームワークに統合する。 以上の結果から,MambaClinixは低モデルの複雑さを維持しつつ高いセグメンテーション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） (2024-09-19T07:51:14Z)
• Part-aware Shape Generation with Latent 3D Diffusion of Neural Voxel Fields [50.12118098874321]
  ニューラルボクセル場に対する潜在3次元拡散過程を導入し,高分解能で生成を可能にする。 部分符号を神経ボクセル場に統合し、正確な部分分解を導出するために、部分認識形状復号器を導入する。 その結果,既存の最先端手法よりも優れた部品認識形状生成において,提案手法の優れた生成能力を示した。
  論文  参考訳（メタデータ） (2024-05-02T04:31:17Z)
• Cross-Cluster Shifting for Efficient and Effective 3D Object Detection in Autonomous Driving [69.20604395205248]
  本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。 我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。 我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
  論文  参考訳（メタデータ） (2024-03-10T10:36:32Z)
• Multiview Subspace Clustering of Hyperspectral Images based on Graph Convolutional Networks [12.275530282665578]
  本研究では、グラフ畳み込みネットワークに基づくハイスペクトル画像(HSI)のマルチビューサブスペースクラスタリングを提案する。 このモデルは、インディアンパインズ、パヴィア大学、ヒューストンを含む3つの人気のあるHSIデータセットで評価された。 合計で92.38%、93.43%、83.82%の精度を達成し、最先端のクラスタリング法を著しく上回った。
  論文  参考訳（メタデータ） (2024-03-03T10:19:18Z)
• Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
  本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。 管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
  論文  参考訳（メタデータ） (2024-01-11T19:07:58Z)
• Three-dimensional Bone Image Synthesis with Generative Adversarial Networks [2.499907423888049]
  本研究は,高分解能医用量を生成するために,3次元生成対向ネットワーク(GAN)を効率的に訓練できることを実証する。 GANインバージョンは3次元設定のために実装され、モデル解釈可能性に関する広範な研究に使用される。
  論文  参考訳（メタデータ） (2023-10-26T08:08:17Z)
• Enforcing 3D Topological Constraints in Composite Objects via Implicit Functions [60.56741715207466]
  医学的応用は心臓や脊椎などの複数の部分を持つ複雑な臓器の正確な3D表現を必要とすることが多い。 本稿では,深い暗黙的符号付き距離関数を用いた3次元物体再構成におけるトポロジ的制約を強制する新しい手法を提案する。 そこで本研究では,3次元形状間のトポロジ的制約を効果的に検証・実施するサンプリングベース手法を提案する。
  論文  参考訳（メタデータ） (2023-07-16T10:07:15Z)
• A comprehensive review of 3D convolutional neural network-based classification techniques of diseased and defective crops using non-UAV-based hyperspectral images [0.1338174941551702]
  ハイパースペクトルイメージング(HSI)は、物体の構造と組成に関する貴重な情報を提供する非破壊的で接触のない技術である。 スペクトル範囲が広いため、HSIは作物の健康と生産性をモニタリングするためのより効果的なツールとなる。 農業技術におけるこのイメージングツールの出現により、研究者は病気や欠陥のある作物の検出に関する問題をより正確に解決することができる。
  論文  参考訳（メタデータ） (2023-06-15T18:02:53Z)
• HKNAS: Classification of Hyperspectral Imagery Based on Hyper Kernel Neural Architecture Search [104.45426861115972]
  設計したハイパーカーネルを利用して,構造パラメータを直接生成することを提案する。 我々は1次元または3次元の畳み込みを伴う画素レベルの分類と画像レベルの分類を別々に行う3種類のネットワークを得る。 6つの公開データセットに関する一連の実験は、提案手法が最先端の結果を得ることを示した。
  論文  参考訳（メタデータ） (2023-04-23T17:27:40Z)
• Cell nuclei classification in histopathological images using hybrid OLConvNet [13.858624044986815]
  我々は,ハイブリッドでフレキシブルなディープラーニングアーキテクチャOLConvNetを提案している。 CNN_3L$は、少ないパラメータをトレーニングすることで、トレーニング時間を短縮する。 提案手法は, 現代の複雑なアルゴリズムよりも良好に動作し, 性能が向上することを示した。
  論文  参考訳（メタデータ） (2022-02-21T12:39:37Z)
• Mix Dimension in Poincar\'{e} Geometry for 3D Skeleton-based Action Recognition [57.98278794950759]
  グラフ畳み込みネットワーク(GCN)はすでに、不規則なデータをモデル化する強力な能力を実証している。 本稿では,ポアンカー幾何学を用いて定義した空間時空間GCNアーキテクチャを提案する。 提案手法を,現在最大規模の2つの3次元データセット上で評価する。
  論文  参考訳（メタデータ） (2020-07-30T18:23:18Z)

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。