論文の概要: Brain-wide interpolation and conditioning of gene expression in the human brain using Implicit Neural Representations

• arxiv url: http://arxiv.org/abs/2506.11158v1
• Date: Wed, 11 Jun 2025 17:03:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.523329
• Title: Brain-wide interpolation and conditioning of gene expression in the human brain using Implicit Neural Representations
• Title（参考訳）: Implicit Neural Representation を用いたヒト脳内遺伝子発現の脳内補間と条件付け
• Authors: Xizheng Yu, Justin Torok, Sneha Pandya, Sourav Pal, Vikas Singh, Ashish Raj,
• Abstract要約: Implicit Neural Representation (INR) は空間転写学データを解析するためのツールである。 我々は、ボクセルレベルの解像度で、脳全体にわたる任意の遺伝子の完全な空間地図を作成する。
• 参考スコア（独自算出の注目度）: 18.23834146953525
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we study the efficacy and utility of recent advances in non-local, non-linear image interpolation and extrapolation algorithms, specifically, ideas based on Implicit Neural Representations (INR), as a tool for analysis of spatial transcriptomics data. We seek to utilize the microarray gene expression data sparsely sampled in the healthy human brain, and produce fully resolved spatial maps of any given gene across the whole brain at a voxel-level resolution. To do so, we first obtained the 100 top AD risk genes, whose baseline spatial transcriptional profiles were obtained from the Allen Human Brain Atlas (AHBA). We adapted Implicit Neural Representation models so that the pipeline can produce robust voxel-resolution quantitative maps of all genes. We present a variety of experiments using interpolations obtained from Abagen as a baseline/reference.
• Abstract（参考訳）: 本稿では,非局所・非線形画像補間・外挿アルゴリズムの最近の進歩の有効性と有用性について考察する。 我々は、健康なヒト脳でスパースサンプリングされたマイクロアレイ遺伝子発現データを利用し、ボクセルレベルの解像度で、脳全体にわたる任意の遺伝子の空間地図を完全的に作成することを模索する。 そこで我々はまず,AHBA(Allen Human Brain Atlas, AHBA)から塩基性空間転写プロファイルが得られた100トップADリスク遺伝子を検索した。 我々はImplicit Neural Representationモデルを適用し、パイプラインが全ての遺伝子の堅牢なボクセル分解定量的マップを作成できるようにした。 我々は,アバゲンから得られた補間をベースライン/参照として様々な実験を行った。

関連論文リスト

• GRAPE: Heterogeneous Graph Representation Learning for Genetic Perturbation with Coding and Non-Coding Biotype [51.58774936662233]
  遺伝子制御ネットワーク(GRN)の構築は、遺伝的摂動の影響を理解し予測するために不可欠である。 本研究では,事前学習した大規模言語モデルとDNAシークエンスモデルを用いて,遺伝子記述やDNAシークエンスデータから特徴を抽出する。 我々は、遺伝子摂動において初めて遺伝子バイオタイプ情報を導入し、細胞プロセスの制御において異なるバイオタイプを持つ遺伝子の異なる役割をシミュレートした。
  論文  参考訳（メタデータ） (2025-05-06T03:35:24Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Compressed representation of brain genetic transcription [0.1759252234439348]
  ディープオートエンコーダは、パフォーマンスとターゲットドメインのすべての指標において優れた表現が得られることを示す。 ディープオートエンコーダは、パフォーマンスとターゲットドメインのすべての指標において優れた表現が得られることを示す。
  論文  参考訳（メタデータ） (2023-10-24T18:26:43Z)
• Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
  本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。 アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-25T16:29:16Z)
• StyleGenes: Discrete and Efficient Latent Distributions for GANs [149.0290830305808]
  GAN(Generative Adversarial Networks)のための離散潜在分布を提案する。 連続的な先行点から潜在ベクトルを描く代わりに、学習可能な潜在点の有限集合からサンプリングする。 私たちは生物の情報のエンコーディングからインスピレーションを得ます。
  論文  参考訳（メタデータ） (2023-04-30T23:28:46Z)
• An automated pipeline to create an atlas of in situ hybridization gene expression data in the adult marmoset brain [1.2160831070561993]
  成人マーモセット脳におけるin situハイブリダイゼーション遺伝子の発現のアトラスを作成するための最初の自動パイプラインを提示する。 パイプラインは、顕微鏡画像からの遺伝子発現のセグメンテーションと、標準空間への画像の登録から構成される。
  論文  参考訳（メタデータ） (2023-03-13T05:02:34Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• Using ontology embeddings for structural inductive bias in gene expression data analysis [6.587739898387445]
  がん患者の遺伝子発現レベルに基づいて、診断、生存分析、治療計画を改善することができる。 本稿では,遺伝子発現データから患者の分類作業を行う機械学習システムに,遺伝子に関する生物学的知識を取り入れることを提案する。
  論文  参考訳（メタデータ） (2020-11-22T12:13:29Z)
• Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
  本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
  論文  参考訳（メタデータ） (2020-09-28T18:30:14Z)

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。