論文の概要: Bridging Sequence and Graph Structure for Epigenetic Age Prediction

• arxiv url: http://arxiv.org/abs/2605.10541v1
• Date: Mon, 11 May 2026 13:22:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.842779
• Title: Bridging Sequence and Graph Structure for Epigenetic Age Prediction
• Title（参考訳）: エピジェネティック年代予測のためのブリッジシーケンスとグラフ構造
• Authors: Yao Li, Xikun Zhang, Xiaotao Shen, Sonika Tyagi, Xin Zheng, Jiaxing Huang, Feng Xia,
• Abstract要約: エピジェネティックな年齢予測のための統合シーケンスグラフ統合フレームワークを提案する。 本手法は,最強グラフベースラインよりも12.8%向上した3.149年のMAEを実現する。
• 参考スコア（独自算出の注目度）: 20.785533703507436
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Epigenetic clocks based on DNA methylation have emerged as powerful tools for estimating biological age, with broad applications in aging research, age-related disease studies, and longevity science. Despite advances across machine learning approaches to epigenetic age prediction, spanning penalised linear regression, deep feedforward networks, residual architectures, and graph neural networks, no existing method jointly models co-methylation graph structure and site-specific DNA sequence context within a unified framework. We propose a unified sequence--graph integration framework for epigenetic age prediction that addresses this gap, integrating eight-dimensional DNA sequence statistical features through a lightweight gated modulation mechanism that adaptively scales each site's methylation signal according to its sequence-determined biological relevance prior to graph convolution. Evaluated on 3,707 blood methylation samples against a comprehensive set of baselines, our method achieves a test MAE of 3.149 years, a 12.8\% improvement over the strongest graph-based baseline. Biologically informed statistical features outperform CNN-based sequence encoding, demonstrating that handcrafted sequence features are more effective than end-to-end learned representations in this data regime. Post-hoc interpretability analysis identifies CpG density and local adenine frequency as features with age-dependent importance shifts, consistent with known mechanisms of age-related hypermethylation at CpG-dense promoter regions. Our code is at https://github.com/yaoli2022/graphage-seq.
• Abstract（参考訳）: DNAメチル化に基づくエピジェネティッククロックは、生物学的年齢を推定するための強力なツールとして登場し、老化研究、加齢関連疾患研究、長寿科学に広く応用されている。 エピジェネティックな年齢予測への機械学習アプローチの進歩、ペナル化された線形回帰、深いフィードフォワードネットワーク、残留アーキテクチャ、グラフニューラルネットワークにまたがるにもかかわらず、既存の方法では、統合されたフレームワーク内で共メチル化グラフ構造とサイト固有のDNA配列コンテキストを共同でモデル化することはできない。 本研究では,このギャップに対処するエピジェネティック年代予測のための統合シーケンスグラフ統合フレームワークを提案し,グラフの畳み込みに先立って,各部位のメチル化シグナルを適応的に拡張する軽量なゲート変調機構により,8次元のDNA配列統計特徴を統合する。 包括的基準線に対する3,707個の血液メチル化試料を用いて評価し, 最強グラフベース線に対する12.8%の改善である3.149年間の試験MAEを達成した。 生物学的に情報を得た統計的特徴は、CNNベースのシーケンス符号化よりも優れており、このデータ構造におけるエンドツーエンドの学習表現よりも、手作りのシーケンス特徴の方が効果的であることを示す。 CpG-denseプロモーター領域における老化関連ハイパーメチル化の既知のメカニズムと整合して、CpG密度と局所アデニン頻度を年齢依存性の重要シフトの特徴として同定する。 私たちのコードはhttps://github.com/yaoli2022/graphage-seqにあります。

関連論文リスト

• Learning Multi-Relational Graph Representations for DNA Methylation-Based Biological Age Estimation [12.183938017819129]
  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。
  論文  参考訳（メタデータ） (2026-05-08T03:11:16Z)
• DOGMA: Weaving Structural Information into Data-centric Single-cell Transcriptomics Analysis [43.565183518761984]
  生データの構造的再構成と意味的拡張を目的としたデータ中心型フレームワークであるDOGMAを提案する。 複雑な多種多様なベンチマークにおいて、DOGMA SOTA性能は優れたゼロショットロバスト性とサンプル効率を示す。
  論文  参考訳（メタデータ） (2026-02-02T09:10:09Z)
• 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)
• Stacked ensemble\-based mutagenicity prediction model using multiple modalities with graph attention network [0.9736758288065405]
  変異原性は、様々なネガティブな結果をもたらす遺伝子変異と関連しているため、懸念される。 本研究では,新しいアンサンブルに基づく変異原性予測モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-03T09:14:21Z)
• Efficient Prediction of Peptide Self-assembly through Sequential and Graphical Encoding [57.89530563948755]
  この研究は、高度なディープラーニングモデルを用いたペプチドエンコーディングのベンチマーク分析を提供する。 等電点や水和自由エネルギーなど、幅広いペプチド関連予測のガイドとして機能する。
  論文  参考訳（メタデータ） (2023-07-17T00:43:33Z)
• Human Age Estimation from Gene Expression Data using Artificial Neural Networks [27.900947531352983]
  本稿では,ヒト皮膚線維芽細胞遺伝子発現データから得られた情報を用いたヒト年齢推定のための新しい枠組みを提案する。 実験結果から,最先端の年齢推定手法よりも提案手法が優れていることが示唆された。
  論文  参考訳（メタデータ） (2021-11-04T08:57:35Z)
• Neural Distance Embeddings for Biological Sequences [43.07977514121458]
  幾何ベクトル空間に配列を埋め込むためのフレームワークであるNeuroSEEDを提案する。 階層構造を捉えた双曲空間の有効性を示し, RMSEの埋め込みにおける平均22%の還元効果を示す。 提案手法は,実世界のデータセットに対して,大幅な精度向上と実行時改善を示す。
  論文  参考訳（メタデータ） (2021-09-20T17:30:58Z)

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。