論文の概要: Multi-modal transformer for signal classification in nanopore blockade experiments

• arxiv url: http://arxiv.org/abs/2607.20323v1
• Date: Wed, 22 Jul 2026 16:09:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.141464
• Title: Multi-modal transformer for signal classification in nanopore blockade experiments
• Title（参考訳）: ナノ孔遮断実験における信号分類のためのマルチモーダルトランス
• Abstract要約: 本稿では,複数の信号表現を共同処理するマルチモーダルディープラーニングアーキテクチャを提案する。 提案手法は,42ペプチドベンチマークで既存の手法を10%以上上回り,ほぼ完全精度で20アミノ酸データセットに転送する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nanopore devices have emerged as powerful tools for single-molecule sensing, with potential for rapid, portable diagnostics. They detect changes in ionic current as analytes enter nanometer-scale pores, providing a means of identifying diverse biomarkers from their characteristic signal patterns. However, these signals are highly complex, and reliably assigning them to specific molecules remains a major challenge. Here, we address this by introducing a multi-modal deep learning architecture that jointly processes multiple signal representations, including raw time-series data, wavelet-based images, and static feature vectors. Our approach surpasses existing methods by more than 10 percentage points on a 42-peptide benchmark and transfers to a 20-amino-acid dataset with near-perfect accuracy. The model integrates complementary information from these representations, with attention analysis showing that the time-series and wavelet-image inputs emphasize different features of the same event. Together, these results demonstrate the potential of machine learning to enable robust, high-accuracy molecular identification with nanopore sensors.
• Abstract（参考訳）: ナノ孔デバイスは単一分子センシングのための強力なツールとして登場し、迅速なポータブル診断の可能性を秘めている。 分析者がナノメートルスケールの孔に入るとイオン電流の変化を検出し、その特徴的な信号パターンから多様なバイオマーカーを識別する手段を提供する。 しかし、これらのシグナルは非常に複雑であり、特定の分子に確実に割り当てることは大きな課題である。 本稿では、生の時系列データ、ウェーブレットベース画像、静的特徴ベクトルを含む複数の信号表現を共同処理するマルチモーダルディープラーニングアーキテクチャを導入することにより、この問題に対処する。 提案手法は,42ペプチドベンチマークで既存の手法を10%以上上回り,ほぼ完全精度で20アミノ酸データセットに転送する。 このモデルはこれらの表現から補完的な情報を統合し、時系列とウェーブレットイメージ入力が同じ事象の異なる特徴を強調することを示す。 これらの結果は、ナノ孔センサーによる堅牢で高精度な分子識別を可能にする機械学習の可能性を示している。

関連論文リスト

• Rethinking Cross-Generator Image Forgery Detection through DINOv3 [62.80415066351157]
  クロスジェネレータ検出は、新しい挑戦フォージェネレータモデルとして登場した。 凍結した視覚基盤モデル、特にDINOv3は、既に強力なクロスジェネレータ検出能力を持っていることを示す。 トレーニング不要なトークンランク戦略を導入し、続いて軽量な線形プローブを用いて、認証関連トークンの小さなサブセットを選択する。
  論文  参考訳（メタデータ） (2025-11-27T14:01:50Z)
• Deep Learning-Driven Peptide Classification in Biological Nanopores [0.0]
  ナノ孔装置は、タンパク質やペプチドがナノメートルスケールの孔に入るときに発生する電流を測定することで機能する。 本稿では,現在の信号をウェーブレット変換によるスケールグラム画像に変換することで,分類の問題に取り組む。 42ペプチドで試験したところ,本法は811,%の分類精度を達成し,新たな最先端技術が確立された。
  論文  参考訳（メタデータ） (2025-09-17T14:30:55Z)
• A Solid-State Nanopore Signal Generator for Training Machine Learning Models [0.0]
  本稿では,機械学習応用のための広範囲な合成データセットを生成可能なナノ孔信号生成装置を提案する。 ディープラーニングモデルをトレーニングして、生信号から直接転位イベントを検出し、最小限の偽陽性で99%以上の真のイベント検出を達成します。
  論文  参考訳（メタデータ） (2025-04-07T19:56:35Z)
• DiffMS: Diffusion Generation of Molecules Conditioned on Mass Spectra [60.39311767532607]
  本稿では,DiffMSを提案する。DiffMS,式制限付きエンコーダ・デコーダ生成ネットワークは,このタスクにおける最先端性能を実現する。 遅延埋め込みと分子構造をブリッジするロバストデコーダを開発するために,フィンガー構造対による拡散デコーダの事前訓練を行う。 確立されたベンチマーク実験により、DiffMSはデノボ分子生成における既存のモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-02-13T18:29:48Z)
• Molecular Fingerprints Are Strong Models for Peptide Function Prediction [0.0]
  長距離分子相互作用はしばしば、複雑なグラフニューラルネットワークと事前訓練されたトランスフォーマーのモデリングを必要とすると仮定される。 単純でドメイン特異的な分子指紋がこれらの仮定なしでペプチド機能を捉えることができるかどうかを検討する。 本研究は, 分子指紋をペプチド予測のための効率的, 解釈可能, 計算的に軽量な代替手段として強調し, 長距離相互作用モデルの必要性を推察するものである。
  論文  参考訳（メタデータ） (2025-01-29T10:05:27Z)
• emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography [47.160223334501126]
  emg2qwertyは、QWERTYキーボードでタッチ入力しながら手首に記録された非侵襲的筋電図信号の大規模なデータセットである。 1,135のセッションが108ユーザと346時間の録画にまたがっており、これまでで最大の公開データセットである。 sEMG信号のみを用いたキープレッシャの予測において,高いベースライン性能を示す。
  論文  参考訳（メタデータ） (2024-10-26T05:18:48Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• HFN: Heterogeneous Feature Network for Multivariate Time Series Anomaly Detection [2.253268952202213]
  MTSのためのヘテロジニアス特徴ネットワーク(HFN)に基づく,新しい半教師付き異常検出フレームワークを提案する。 まず、センサ埋め込みによって生成された埋め込み類似性グラフと、センサ値によって生成された特徴値類似性グラフを組み合わせて、時系列不均一グラフを構築する。 このアプローチは、ヘテロジニアスグラフ構造学習(HGSL)と表現学習の最先端技術を融合させる。
  論文  参考訳（メタデータ） (2022-11-01T05:01:34Z)
• High speed microcircuit and synthetic biosignal widefield imaging using nitrogen vacancies in diamond [44.62475518267084]
  微視的リソグラフィーパターン回路からの信号をマイクロメートルスケールで画像化する方法を示す。 新しいタイプのロックインアンプカメラを用いて、交流信号とパルス電流信号の空間的回復を1ミリ秒以下で実証する。 最後に,生体神経ネットワークにおける信号の正確な形状を再現した合成信号の回復の原理を実証する。
  論文  参考訳（メタデータ） (2021-07-29T16:27:39Z)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)

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。