論文の概要: Learning Multi-Relational Graph Representations for DNA Methylation-Based Biological Age Estimation
- arxiv url: http://arxiv.org/abs/2605.07175v1
- Date: Fri, 08 May 2026 03:11:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.768935
- Title: Learning Multi-Relational Graph Representations for DNA Methylation-Based Biological Age Estimation
- Title（参考訳）: DNAメチル化に基づく生物年代推定のためのマルチリレーショナルグラフ表現の学習
- Authors: Qing Qing, Xikun Zhang, Zhongyuan Zhang, Jiarui Liu, Xingtong Yu, Xiaotao Shen, Ziqi Xu, Qixin Zhang, Zhe Wang, Renqiang Luo,
- Abstract要約: 老化時計は、年代と異なる生理状態の指標である生物学的年齢を推定することを目的としている。
DNAメチル化は、その安定性と老化との強い関係から特に有意義なバイオマーカーである。
DNAメチル化に基づく年齢予測のためのマルチリレーショナルグラフニューラルネットワークフレームワークであるRelAge-GNNを提案する。
- 参考スコア（独自算出の注目度）: 12.183938017819129
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Aging clocks aim to estimate biological age, a measure of physiological state distinct from chronological age, from observable biomarkers, and are widely used for health assessment and disease analysis. DNA methylation is a particularly informative biomarker due to its stability and strong association with aging, and recent learning-based approaches have improved predictive performance. However, most existing methods treat CpG sites as independent features, overlooking the complex and heterogeneous biological relationships among them. We propose RelAge-GNN, a multi-relational graph neural network framework for DNA methylation-based age prediction. Our method constructs three complementary graphs capturing co-methylation patterns, genomic co-localization, and gene-level associations among CpG sites. Each graph is modeled by an independent GNN branch, and a learnable gating mechanism adaptively fuses the resulting representations. Experiments on large-scale datasets show that RelAge-GNN achieves competitive accuracy and stronger correlation with chronological age compared to state-of-the-art methods. Moreover, the model exhibits improved sensitivity in detecting age acceleration across diverse disease cohorts, highlighting its potential utility for disease characterization. Finally, through post hoc interpretability analyses, we quantify the contributions of different relational structures and CpG sites, providing biologically meaningful insights and suggesting potential directions for aging-related research. Our code is available at: https://anonymous.4open.science/r/RelAge-GNN-F1E3/.
- Abstract（参考訳）: 老化時計は、生物学的年齢(時系列と異なる生理状態の尺度)を観測可能なバイオマーカーから推定することを目的としており、健康評価や疾患解析に広く用いられている。
DNAメチル化は、その安定性と老化との強い関係から特に有意義なバイオマーカーであり、近年の学習に基づくアプローチは予測性能を改善している。
しかし、既存のほとんどの方法は、CpG部位を独立した特徴として扱い、それらの間の複雑で異質な生物学的関係を見渡す。
DNAメチル化に基づく年齢予測のためのマルチリレーショナルグラフニューラルネットワークフレームワークであるRelAge-GNNを提案する。
提案手法は,コメチル化パターン,ゲノムコローカライゼーション,およびCpG部位間の遺伝子レベルの関連を解析した3つの相補グラフを構築した。
各グラフは独立したGNNブランチによってモデル化され、学習可能なゲーティング機構が結果の表現を適応的に融合する。
大規模データセットの実験では、RelAge-GNNは、最先端の手法と比較して、競合精度と時間的年齢との相関が強いことが示されている。
さらに, 種々の疾患コホートにまたがる年齢加速度の検出感度が向上し, 疾患評価に有用である可能性が示唆された。
最後に、ホック後の解釈可能性分析を通じて、異なる関係構造とCpG部位の寄与を定量化し、生物学的に意味のある洞察を与え、老化関連研究の潜在的方向性を示唆する。
私たちのコードは、https://anonymous.4open.science/r/RelAge-GNN-F1E3/で利用可能です。
関連論文リスト
- Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
回帰に基づくタスクの基礎モデルを体系的に評価する。
我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。
乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
論文 参考訳（メタデータ） (2026-01-29T14:06:50Z) - 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) - Causal Inference, Biomarker Discovery, Graph Neural Network, Feature Selection [2.2914260353572513]
因果推論と多層グラフニューラルネットワーク(GNN)を統合する因果グラフニューラルネットワーク(Causal-GNN)を開発した。
我々の研究は、バイオマーカー発見のための堅牢で効率的で生物学的に解釈可能なツールを提供し、医学分野にまたがる幅広い応用の可能性を示している。
論文 参考訳（メタデータ） (2025-11-17T12:16:20Z) - Disentangling Neurodegeneration with Brain Age Gap Prediction Models: A Graph Signal Processing Perspective [89.99666725996975]
脳年齢ギャップ予測(BAGP)モデルは、データから予測される脳年齢と時系列年齢との差を推定する。
本稿では、BAGPの概要と、グラフ信号処理(GSP)の最近の進歩に基づく、このアプリケーションのための原則化されたフレームワークを紹介する。
VNNは強力な理論的基盤と操作的解釈可能性を提供し、脳年齢差予測の堅牢な推定を可能にする。
論文 参考訳（メタデータ） (2025-10-14T17:44:45Z) - GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。
DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。
また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
論文 参考訳（メタデータ） (2025-02-11T05:39:49Z) - iTARGET: Interpretable Tailored Age Regression for Grouped Epigenetic Traits [0.0]
そこで本研究では,DNAメチル化パターンから時系列年代を正確に予測する2相アルゴリズムを提案する。
提案手法は予測精度を向上するだけでなく,鍵となる年齢関連CpGサイトを明らかにし,老化率の変化を検出し,CpGサイト間の相互の相互作用を識別する。
実験の結果,本手法は従来のエピジェネティッククロックや機械学習モデルよりも優れていた。
論文 参考訳（メタデータ） (2025-01-04T23:06:46Z) - Genetic InfoMax: Exploring Mutual Information Maximization in
High-Dimensional Imaging Genetics Studies [50.11449968854487]
遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。
画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。
本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
論文 参考訳（メタデータ） (2023-09-26T03:59:21Z) - Knowledge Graph Completion based on Tensor Decomposition for Disease
Gene Prediction [2.838553480267889]
疾患や遺伝子を中心とした生物学的知識グラフを構築し,疾患発生予測のためのエンドツーエンドの知識グラフ補完モデルを構築した。
KDGeneは、実体の埋め込みとテンソル分解との関係の間の相互作用モジュールを導入し、生物学的知識における情報相互作用を効果的に強化する。
論文 参考訳（メタデータ） (2023-02-18T13:57:44Z) - 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) - Graph Representation Learning on Tissue-Specific Multi-Omics [0.0]
組織特異的遺伝子間相互作用(GGI)ネットワーク上でリンク予測を行うために,グラフ埋め込みモデル(すなわちVGAE)を利用する。
複数生物のモダリティ(マルチオミクス)の組み合わせは、強力な埋め込みとより良いリンク予測性能をもたらすことを証明した。
論文 参考訳（メタデータ） (2021-07-25T17:38:45Z)
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。