Fugu-MT 論文翻訳(概要): Complex Networks and the Drug Repositioning Problem

論文の概要: Complex Networks and the Drug Repositioning Problem

arxiv url: http://arxiv.org/abs/2602.23396v1
Date: Thu, 26 Feb 2026 04:16:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-02 19:48:24.071372
Title: Complex Networks and the Drug Repositioning Problem
Title（参考訳）: 複雑ネットワークと薬物再配置問題
Authors: Felipe Bivort Haiek,
Abstract要約: マルチレベルドラッグタンパク質ネットワークのグラフ特性と、ネットワークの形状が長年にわたってどのように発見されているかを研究する。ネットワーク構造は、ネットワーク拡散レコメンデーションシステムに通知し、ネグレクト熱帯病を引き起こす生物のタンパク質に対する再精製のために既存の薬物を優先するために使用される。
参考スコア（独自算出の注目度）: 0.07252027234425332
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this Master's thesis, the graph properties of a multi-level drug-protein network are studied, as well as how the network's shape has informed discoveries over the years, identifying primarily crawling discoveries and a smaller number of hopping discoveries. Finally, the network structure is used to inform a network diffusion recommendation system and to prioritize existing drugs for repurposing against proteins in organisms that cause Neglected Tropical Diseases.
Abstract（参考訳）: このマスター論文では、マルチレベルドラッグタンパク質ネットワークのグラフ特性と、ネットワークの形状が長年にわたってどのようにして発見を知らし、主にクロールする発見と少数のホッピング発見を識別したかを研究する。最後に、ネットワーク構造はネットワーク拡散レコメンデーションシステムに通知し、ネグレクト熱帯病を引き起こす生物のタンパク質に対する再精製のために既存の薬物を優先するために使用される。

関連論文リスト

A deep graph model for the signed interaction prediction in biological network [1.03121181235382]
生物学的ネットワークにおける署名された相互作用の予測は、薬物のメカニズムを理解し、薬物の再利用を促進するために重要である。 textbfRGCNTDは、極性(活性化、阻害など)と非極性(結合、影響など)の両方を予測できるように設計されている。我々は,新たな評価指標である textitAUCtextsubscriptpolarity と textitCP@500 を導入し,相互作用型を識別するモデルの能力を評価する。
論文参考訳（メタデータ） (2024-07-10T04:28:21Z)
Riemannian Residual Neural Networks [58.925132597945634]
残余ニューラルネットワーク(ResNet)の拡張方法を示す。 ResNetは、機械学習において、有益な学習特性、優れた経験的結果、そして様々なニューラルネットワークを構築する際に容易に組み込める性質のために、ユビキタスになった。
論文参考訳（メタデータ） (2023-10-16T02:12:32Z)
DANI: Fast Diffusion Aware Network Inference with Preserving Topological Structure Property [2.8948274245812327]
そこで我々は,DANIと呼ばれる新しい手法を提案し,その構造特性を保ちながら基礎となるネットワークを推定する。 DANIは、モジュール構造、次数分布、連結成分、密度、クラスタリング係数を含む構造特性を維持しながら、より高い精度と低い実行時間を有する。
論文参考訳（メタデータ） (2023-10-02T23:23:00Z)
Two Novel Approaches to Detect Community: A Case Study of Omicron Lineage Variants PPI Network [0.5156484100374058]
我々は,2つの新しいアルゴリズムと4つの広く認識されているアルゴリズムを用いて,変異型B.1.1.529(Omicron virus)のコミュニティを明らかにすることを目指している。また,ネットワークをグローバルな特性,統計概要,グラフ数,グラフレット,モジュール性による検証などによって比較する。
論文参考訳（メタデータ） (2023-08-09T03:51:20Z)
Learning with Capsules: A Survey [73.31150426300198]
カプセルネットワークは、オブジェクト中心の表現を学習するための畳み込みニューラルネットワーク(CNN)に代わるアプローチとして提案された。 CNNとは異なり、カプセルネットワークは部分的に階層的な関係を明示的にモデル化するように設計されている。
論文参考訳（メタデータ） (2022-06-06T15:05:36Z)
A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文参考訳（メタデータ） (2021-05-26T14:37:07Z)
A Survey of Community Detection Approaches: From Statistical Modeling to Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文参考訳（メタデータ） (2021-01-03T02:32:45Z)
Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
論文参考訳（メタデータ） (2020-08-19T04:53:31Z)
Big Networks: A Survey [12.9583587501745]
本稿では,ビッグネットワークという新しいネットワーク科学概念を紹介する。大きなネットワークは通常、複雑で高次の内部構造を持つ大規模である。まず,マイクロレベル,メソレベル,マクロレベルという3つのレベルから大きなネットワークの構造的特徴を紹介する。次に、大規模ネットワーク分析の最先端トピックについて論じる。
論文参考訳（メタデータ） (2020-08-09T03:40:20Z)
Identifying efficient controls of complex interaction networks using genetic algorithms [0.0]
本稿では,ネットワーク制御性と呼ばれる問題に対する新しい解を提案する。我々は、計算薬物再資源化のソリューションを調整する。我々のアルゴリズムは乳がん、卵巣がん、膵癌に有効な薬物を多数同定する方法を示す。
論文参考訳（メタデータ） (2020-07-09T14:56:54Z)
Molecule Property Prediction and Classification with Graph Hypernetworks [113.38181979662288]
ネットワークをハイパーネットワークに置き換えることで性能が向上することを示す。ハイパーネットワークの適用において大きな困難は、安定性の欠如である。最近の研究は、エラー訂正コードのコンテキストにおいて、ハイパーネットワークのトレーニング不安定性に取り組んでいる。
論文参考訳（メタデータ） (2020-02-01T16:44:34Z)
Neural Network Tomography [4.407668482702675]
ネットワークトモグラフィーはネットワーク監視の領域における古典的な研究課題である。 NeuTomographyは、未測定のパフォーマンス指標を予測するために、ディープニューラルネットワークとデータ拡張を利用する。 NeuTomographyは、元のネットワークトポロジを再構築するために使用できる。
論文参考訳（メタデータ） (2020-01-09T12:19:26Z)

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。