論文の概要: Decoding Positive Selection in Mycobacterium tuberculosis with Phylogeny-Guided Graph Attention Models

• arxiv url: http://arxiv.org/abs/2510.08703v1
• Date: Thu, 09 Oct 2025 18:06:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:47.401155
• Title: Decoding Positive Selection in Mycobacterium tuberculosis with Phylogeny-Guided Graph Attention Models
• Title（参考訳）: Phylogeny-Guided Graph Attention Modelを用いた結核菌の陽性選択
• Authors: Linfeng Wang, Susana Campino, Taane G. Clark, Jody E. Phelan,
• Abstract要約: 陽性選択は、マイコバクテリウム結核における適応突然変異の出現を促進する。 本稿では,SNPを付加した系統樹をニューラルネットワーク解析に適したグラフ構造に変換するための系統誘導グラフアテンションネットワーク(GAT)を提案する。
• 参考スコア（独自算出の注目度）: 0.17499351967216337
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Positive selection drives the emergence of adaptive mutations in Mycobacterium tuberculosis, shaping drug resistance, transmissibility, and virulence. Phylogenetic trees capture evolutionary relationships among isolates and provide a natural framework for detecting such adaptive signals. We present a phylogeny-guided graph attention network (GAT) approach, introducing a method for converting SNP-annotated phylogenetic trees into graph structures suitable for neural network analysis. Using 500 M. tuberculosis isolates from four major lineages and 249 single-nucleotide variants (84 resistance-associated and 165 neutral) across 61 drug-resistance genes, we constructed graphs where nodes represented isolates and edges reflected phylogenetic distances. Edges between isolates separated by more than seven internal nodes were pruned to emphasise local evolutionary structure. Node features encoded SNP presence or absence, and the GAT architecture included two attention layers, a residual connection, global attention pooling, and a multilayer perceptron classifier. The model achieved an accuracy of 0.88 on a held-out test set and, when applied to 146 WHO-classified "uncertain" variants, identified 41 candidates with convergent emergence across multiple lineages, consistent with adaptive evolution. This work demonstrates the feasibility of transforming phylogenies into GNN-compatible structures and highlights attention-based models as effective tools for detecting positive selection, aiding genomic surveillance and variant prioritisation.
• Abstract（参考訳）: 陽性選択は、マイコバクテリウムの結核における適応突然変異の出現を誘導し、薬剤耐性、透過性および病原性を形成する。 系統樹は、単離された個体間の進化的関係を捉え、そのような適応的なシグナルを検出する自然な枠組みを提供する。 本稿では,SNPを付加した系統樹をニューラルネットワーク解析に適したグラフ構造に変換する手法として,系統誘導グラフアテンションネットワーク(GAT)を提案する。 500株の結核菌株と249株の単一ヌクレオチド変異株(84株,中性165株)を薬剤耐性遺伝子61株に分けて分離した。 7つ以上の内部ノードで分離された分離ノード間のエッジは、局所的な進化構造を強調するために切断された。 ノードはSNPの有無を符号化し、GATアーキテクチャには2つの注意層、残留接続、グローバルアテンションプーリング、多層パーセプトロン分類器が含まれていた。 このモデルはホールドアウトテストセットで0.88の精度を達成し、WHOが分類した146の「不確実な」変種に適用すると、複数の系統にまたがって収束する41の候補を特定し、適応的な進化と一致した。 本研究は, 植物学をGNN互換構造に変換する可能性を示し, 正の選択, ゲノム監視, 変異の優先順位付けを効果的に検出する手段として, 注意に基づくモデルを強調した。

関連論文リスト

• Causal Circuit Tracing Reveals Distinct Computational Architectures in Single-Cell Foundation Models: Inhibitory Dominance, Biological Coherence, and Cross-Model Convergence [0.0]
  SAE特徴と下流応答を損なうことで因果回路をトレースする手法を提案する。 我々はGeneformer V2-316M と scGPT に4つの条件で適用した。
  論文  参考訳（メタデータ） (2026-03-02T11:21:44Z)
• Enhanced Graph Convolutional Network with Chebyshev Spectral Graph and Graph Attention for Autism Spectrum Disorder Classification [0.0]
  本稿では,Chebyshev Spectral Graph Convolution and Graph Attention Networks(GAT)を組み込んだGCNモデルを提案する。 このモデルは,1個あたり5,206個の特徴量を持つ5倍の層状クロスバリデーションを用いて訓練される。 大規模な試験では、拡張モデルの優位性を示し、テスト精度は74.82%、AUCは0.82である。
  論文  参考訳（メタデータ） (2025-11-27T07:33:31Z)
• Characterizing Continuous and Discrete Hybrid Latent Spaces for Structural Connectomes [1.7732287904031832]
  構造コネクトームは、異なる脳領域が物理的にどのように接続されているかを示す詳細なグラフである。 PCAやオートエンコーダのような低次元空間は、大きな変化源を捉えるためにしばしば用いられる。 離散成分と連続成分を連成モデル化するハイブリッド潜在空間を持つ変分オートエンコーダ(VAE)を提案する。
  論文  参考訳（メタデータ） (2025-11-20T02:52:17Z)
• DeepVRegulome: DNABERT-based deep-learning framework for predicting the functional impact of short genomic variants on the human regulome [6.877744260030448]
  Deep VRegulomeはヒトレギュロメにおける機能的破壊的変異の予測と解釈のためのディープラーニング手法である。 生存関連変異および調節領域の優先順位付けにおけるTGAグリオブラストマWGSデータセットの応用について紹介する。
  論文  参考訳（メタデータ） (2025-11-12T06:25:31Z)
• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• Unsupervised Evolutionary Cell Type Matching via Entropy-Minimized Optimal Transport [0.8361990291694322]
  本稿では,エントロピー規則化された最適輸送(OT)を利用した非教師型計算フレームワークOT-MESHについて述べる。 OT-MESHは、ノイズに対する顕著な堅牢性を保ちながら、計算効率とほぼ最適マッチング精度を達成する。 我々のフレームワークは、進化的細胞型マッピングのための原則付き、スケーラブルで、解釈可能なソリューションを提供し、種間での細胞の特殊化と保存に関する深い洞察を促進する。
  論文  参考訳（メタデータ） (2025-05-30T16:20:00Z)
• Heterogeneous graph neural networks for species distribution modeling [6.423278804632857]
  グラフニューラルネットワーク(GNN)を用いた新しい存在のみの種分布モデル(SDM)を提案する。 本モデルでは, 種と位置を2つの異なるノード集合として扱い, 学習課題は, 位置と種をつなぐエッジとして検出記録を予測している。 SDMのベンチマークのためのNational Center for Ecological Analysis and Synthesis (NCEAS) によってコンパイルされた6領域データセット上で,本手法の可能性を評価する。
  論文  参考訳（メタデータ） (2025-03-14T22:08:30Z)
• PhyloGen: Language Model-Enhanced Phylogenetic Inference via Graph Structure Generation [50.80441546742053]
  系統樹は種間の進化的関係を解明する。 伝統的なマルコフ連鎖モンテカルロ法は、緩やかな収束と計算上の負担に直面している。 我々は、事前学習されたゲノム言語モデルを活用する新しい方法であるPhyloGenを提案する。
  論文  参考訳（メタデータ） (2024-12-25T08:33:05Z)
• CSGDN: Contrastive Signed Graph Diffusion Network for Predicting Crop Gene-phenotype Associations [6.5678927417916455]
  我々は、より少ないトレーニングサンプルでロバストなノード表現を学習し、より高いリンク予測精度を実現するために、コントラスト符号付きグラフ拡散ネットワーク(CSGDN)を提案する。 Gossypium hirsutum, Brassica napus, Triticum turgidumの3つの作物データセット上でCSGDNの有効性を検証する実験を行った。
  論文  参考訳（メタデータ） (2024-10-10T01:01:10Z)
• PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
  本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。 我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-10-12T23:46:08Z)
• Heterophily-Aware Graph Attention Network [42.640057865981156]
  グラフニューラルネットワーク(GNN)はグラフ表現学習において顕著な成功を収めている。 既存のヘテロフィル性GNNは、各エッジのヘテロフィリのモデリングを無視する傾向にあり、これはヘテロフィリ問題に取り組む上でも不可欠である。 本稿では,局所分布を基礎となるヘテロフィリーとして完全に探索し,活用することで,新たなヘテロフィア対応グラフ注意ネットワーク(HA-GAT)を提案する。
  論文  参考訳（メタデータ） (2023-02-07T03:21:55Z)
• 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)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
  本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。 提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
  論文  参考訳（メタデータ） (2020-10-11T06:26:56Z)

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。