論文の概要: Graph Attention Based Prioritization of Disease Responsible Genes from Multimodal Alzheimer's Network

• arxiv url: http://arxiv.org/abs/2603.02273v1
• Date: Sun, 01 Mar 2026 06:46:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.488572
• Title: Graph Attention Based Prioritization of Disease Responsible Genes from Multimodal Alzheimer's Network
• Title（参考訳）: マルチモーダルアルツハイマー病関連遺伝子のグラフアテンションに基づく優先順位付け
• Authors: Binon Teji, Subhajit Bandyopadhyay, Swarup Roy,
• Abstract要約: 疾患関連遺伝子の優先順位付けはアルツハイマー病などの複雑な疾患の理解の中心である。 我々は,集中度指標を注目度スコアに置き換えるマルチモーダルグラフトランスフォーマフレームワークである.NETRAを提案する。 グラフ変換器は、疾患特異的でコンテキスト対応の方法で遺伝子関連性を定量化する.NETRAスコアを割り当てる。
• 参考スコア（独自算出の注目度）: 20.37811669228711
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prioritizing disease-associated genes is central to understanding the molecular mechanisms of complex disorders such as Alzheimer's disease (AD). Traditional network-based approaches rely on static centrality measures and often fail to capture cross-modal biological heterogeneity. We propose NETRA (Node Evaluation through Transformer-based Representation and Attention), a multimodal graph transformer framework that replaces heuristic centrality metrics with attention-driven relevance scoring. Using AD as a case study, gene regulatory networks are independently constructed from microarray, single-cell RNA-seq, and single-nucleus RNA-seq data. Random-walk sequences derived from these networks are used to train a BERT-based model for learning global gene embeddings, while modality-specific gene expression profiles are compressed using variational autoencoders. These representations are integrated with auxiliary biological networks, including protein-protein interactions, Gene Ontology semantic similarity, and diffusion-based gene similarity, into a unified multimodal graph. A graph transformer assigns NETRA scores that quantify gene relevance in a disease-specific and context-aware manner. Gene set enrichment analysis shows that NETRA achieves a normalized enrichment score of about 3.9 for the Alzheimer's disease pathway, substantially outperforming classical centrality measures and diffusion models. Top-ranked genes enrich multiple neurodegenerative pathways, recover a known late-onset AD susceptibility locus at chr12q13, and reveal conserved cross-disease gene modules. The framework preserves biologically realistic heavy-tailed network topology and is readily extensible to other complex disorders.
• Abstract（参考訳）: 疾患関連遺伝子の優先順位付けは、アルツハイマー病(AD)のような複雑な疾患の分子機構を理解するために重要である。 従来のネットワークベースのアプローチは静的な中心性測定に依存しており、しばしば異種間の生物学的不均一性を捉えることに失敗する。 我々は,ヒューリスティックな集中度指標を注目度スコアに置き換えたマルチモーダルグラフトランスフォーマフレームワークである.NETRA(Node Evaluation through Transformer-based Representation and Attention)を提案する。 ADをケーススタディとして、遺伝子制御ネットワークはマイクロアレイ、単一細胞RNA-seq、単一核RNA-seqデータから独立に構築されている。 これらのネットワークから得られたランダムウォーク配列は、グローバルな遺伝子埋め込みを学習するためのBERTベースのモデルを訓練するために使用され、一方、モダリティ固有の遺伝子発現プロファイルは変分オートエンコーダを用いて圧縮される。 これらの表現は、タンパク質とタンパク質の相互作用、遺伝子オントロジーのセマンティックな類似性、拡散に基づく遺伝子類似性を含む補助的な生物学的ネットワークと統合され、統合されたマルチモーダルグラフに統合される。 グラフ変換器は、疾患特異的でコンテキスト対応の方法で遺伝子関連性を定量化する.NETRAスコアを割り当てる。 遺伝子セットエンリッチメント分析により、NRAはアルツハイマー病経路で約3.9の正常化エンリッチメントスコアを達成し、古典的な集中度と拡散モデルを大幅に上回った。 上位の遺伝子は、複数の神経変性経路を富み、chr12q13で既知の後期発症AD感受性遺伝子座を回復し、保存されたクロスディスジェクト遺伝子モジュールを明らかにする。 このフレームワークは生物学的に現実的な重尾ネットワークトポロジーを保持し、他の複雑な疾患にも容易に拡張可能である。

関連論文リスト

• MethConvTransformer: A Deep Learning Framework for Cross-Tissue Alzheimer's Disease Detection [4.931890971425293]
  アルツハイマー病(英語: Alzheimer's disease, AD)は、多因子性神経変性疾患の一つで、進行性認知機能低下と脳の広範な機能低下を特徴とする。 MethConvTransformerはトランスフォーマーベースのディープラーニングフレームワークで、脳と末梢組織のDNAメチル化プロファイルを統合する。
  論文  参考訳（メタデータ） (2026-01-01T00:18:33Z)
• R-GenIMA: Integrating Neuroimaging and Genetics with Interpretable Multimodal AI for Alzheimer's Disease Progression [63.97617759805451]
  アルツハイマー病の早期発見には、マクロスケールの神経解剖学的変化とマイクロスケールの遺伝的感受性を統合できるモデルが必要である。 本稿では,新しいROIワイド・ビジョン・トランスフォーマと遺伝的プロンプトを結合した多モード多言語モデルR-GenIMAを紹介する。 R-GenIMAは、通常の認知、主観記憶、軽度認知障害、ADの4方向分類において最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-12-22T02:54:10Z)
• Tensor Network based Gene Regulatory Network Inference for Single-Cell Transcriptomic Data [0.0]
  本研究では、テンソルネットワーク(TN)を利用して表現データを最適にマッピングする量子インスピレーションフレームワークを提案する。 遺伝子依存を定量化し、置換試験により統計的意義を確立する。 量子物理学にインスパイアされた手法と計算生物学を融合することにより,遺伝子制御に関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2025-09-08T17:11:12Z)
• 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)
• Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
  遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
  論文  参考訳（メタデータ） (2024-06-05T06:42:27Z)
• 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)
• 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)
• Granger causal inference on DAGs identifies genomic loci regulating transcription [77.58911272503771]
  GrID-Netは、DBG構造化システムにおけるGranger因果推論のためのラタグメッセージパッシングを備えたグラフニューラルネットワークに基づくフレームワークである。 我々の応用は、特定の遺伝子の調節を仲介するゲノム座を同定する単一セルマルチモーダルデータの解析である。
  論文  参考訳（メタデータ） (2022-10-18T21:15:10Z)
• A Cross-Level Information Transmission Network for Predicting Phenotype from New Genotype: Application to Cancer Precision Medicine [37.442717660492384]
  本稿では,CLEIT(Cross-Level Information Transmission Network)フレームワークを提案する。 ドメイン適応にインスパイアされたCLEITは、まずハイレベルドメインの潜在表現を学び、その後、接地木埋め込みとして利用する。 体細胞突然変異による抗がん剤感受性の予測におけるCLEITの有効性と性能の向上を示す。
  論文  参考訳（メタデータ） (2020-10-09T22:01:00Z)

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。