Fugu-MT 論文翻訳(概要): Deep Learning-Driven Peptide Classification in Biological Nanopores

論文の概要: Deep Learning-Driven Peptide Classification in Biological Nanopores

arxiv url: http://arxiv.org/abs/2509.14029v1
Date: Wed, 17 Sep 2025 14:30:55 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-18 18:41:50.875608
Title: Deep Learning-Driven Peptide Classification in Biological Nanopores
Title（参考訳）: 生体ナノ孔の深層学習駆動ペプチド分類
Authors: Samuel Tovey, Julian Hoßbach, Sandro Kuppel, Tobias Ensslen, Jan C. Behrends, Christian Holm,
Abstract要約: ナノ孔装置は、タンパク質やペプチドがナノメートルスケールの孔に入るときに発生する電流を測定することで機能する。本稿では,現在の信号をウェーブレット変換によるスケールグラム画像に変換することで,分類の問題に取り組む。 42ペプチドで試験したところ,本法は811,%の分類精度を達成し,新たな最先端技術が確立された。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A device capable of performing real time classification of proteins in a clinical setting would allow for inexpensive and rapid disease diagnosis. One such candidate for this technology are nanopore devices. These devices work by measuring a current signal that arises when a protein or peptide enters a nanometer-length-scale pore. Should this current be uniquely related to the structure of the peptide and its interactions with the pore, the signals can be used to perform identification. While such a method would allow for real time identification of peptides and proteins in a clinical setting, to date, the complexities of these signals limit their accuracy. In this work, we tackle the issue of classification by converting the current signals into scaleogram images via wavelet transforms, capturing amplitude, frequency, and time information in a modality well-suited to machine learning algorithms. When tested on 42 peptides, our method achieved a classification accuracy of ~$81\,\%$, setting a new state-of-the-art in the field and taking a step toward practical peptide/protein diagnostics at the point of care. In addition, we demonstrate model transfer techniques that will be critical when deploying these models into real hardware, paving the way to a new method for real-time disease diagnosis.
Abstract（参考訳）: 臨床環境でリアルタイムでタンパク質の分類を行うことができる装置は、安価で迅速な疾患診断を可能にする。この技術の候補の1つはナノ孔デバイスである。これらのデバイスは、タンパク質やペプチドがナノメートル規模の細孔に入るときに発生する電流信号を測定することで機能する。この電流がペプチドの構造と細孔との相互作用に一意に関連している場合、信号は識別に使うことができる。このような方法は、臨床環境でペプチドやタンパク質のリアルタイム同定を可能にするが、これまでのところ、これらの信号の複雑さは精度を制限している。本研究では,現在の信号をウェーブレット変換によりスケールグラム画像に変換し,振幅,周波数,時間情報を機械学習アルゴリズムに適したモードで取得することで,分類の問題に取り組む。 42ペプチドで試験したところ, 診断精度は～81\,\%$ となり, 現場で新たな最先端技術が確立され, 医療現場での実用的ペプチド・タンパク質診断への一歩を踏み出した。さらに,これらのモデルを実際のハードウェアにデプロイする場合に重要となるモデル転送手法を実証し,リアルタイムな疾患診断のための新しい手法を提案する。

関連論文リスト

MerGen: Micro-electrode recording synthesis using a generative data-driven approach [0.1398098625978622]
本稿では,デ・ノボ電気生理学的記録をシミュレートできるMerGenと呼ばれる生成ニューラルネットワークを提案する。生成した信号は,現場の専門家による実際の信号と知覚的に区別できないことを示す。
論文参考訳（メタデータ） (2025-03-21T07:54:29Z)
Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
論文参考訳（メタデータ） (2024-03-26T12:20:10Z)
Unbiased organism-agnostic and highly sensitive signal peptide predictor with deep protein language model [12.37352652557512]
シグナルペプチド(Signal peptide、SP)は、タンパク質のN末端に位置する短いペプチドである。本稿では,信号ペプチド分類と切断部位予測深層学習法であるunbiased Organism-Agnostic Signal peptide Network (USPNet)を提案する。本稿では,データ不均衡問題に対処するためにラベル分布を考慮したマージン損失を適用し,タンパク質の進化情報を用いて表現を豊かにする手法を提案する。
論文参考訳（メタデータ） (2023-12-14T14:32:48Z)
Tree-Based Learning on Amperometric Time Series Data Demonstrates High Accuracy for Classification [0.0]
計算科学におけるデータ駆動型アプローチを用いて,多様なアンペロメトリデータセットに対する分類法を提案する。非常に高い予測精度(95%以上)を示す。これは機械学習のスキームを提案し、特にフルアンペロメトリ時系列データに基づく教師あり学習を提案する最初の研究の1つである。
論文参考訳（メタデータ） (2023-02-06T09:44:53Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
論文参考訳（メタデータ） (2021-12-08T13:07:21Z)
Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
論文参考訳（メタデータ） (2021-10-13T21:51:56Z)
High speed microcircuit and synthetic biosignal widefield imaging using nitrogen vacancies in diamond [44.62475518267084]
微視的リソグラフィーパターン回路からの信号をマイクロメートルスケールで画像化する方法を示す。新しいタイプのロックインアンプカメラを用いて、交流信号とパルス電流信号の空間的回復を1ミリ秒以下で実証する。最後に,生体神経ネットワークにおける信号の正確な形状を再現した合成信号の回復の原理を実証する。
論文参考訳（メタデータ） (2021-07-29T16:27:39Z)
Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文参考訳（メタデータ） (2021-03-18T11:01:21Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。