Fugu-MT 論文翻訳(概要): BARRR: Bidimensional Augmented Reduced Rank Regression for Multi-View Multi-Cohort Data

論文の概要: BARRR: Bidimensional Augmented Reduced Rank Regression for Multi-View Multi-Cohort Data

arxiv url: http://arxiv.org/abs/2610.27647v1
Date: Tue, 20 Oct 2026 05:06:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-21 21:58:47.658308
Title: BARRR: Bidimensional Augmented Reduced Rank Regression for Multi-View Multi-Cohort Data
Title（参考訳）: BARRR:Multi-View Multi-Cohort Dataのための2次元強化されたランク回帰
Abstract要約: 二次元データ統合は、異種データセットから総合的な洞察を引き出すために不可欠である。既存の2次元積分のアプローチは乏しく、主に教師なしである。本稿では,このギャップに対処するために,2次元削減ランク回帰法(baRRR)を提案する。
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: Bidimensional data integration across multiple cohorts (i.e., sample groups) and views (i.e., sources or modalities) is crucial in biomedical research to derive holistic insights from heterogeneous datasets. However, most existing integrative methods focus on a single dimension, such as multi-view integration across distinct sources or multi-cohort integration across distinct sample groups. Existing approaches for bidimensional integration are scarce and predominantly unsupervised, overlooking the valuable insights offered by covariates. To address this gap, we introduce the Bidimensional Augmented Reduced Rank Regression (baRRR) method. Our approach models covariate-related and unrelated effects concurrently, while also decomposing effect levels (global, partially shared, and individual) across both dimensions. Extensive simulations demonstrate the advantages of our method with respect to signal recovery, outcome prediction, and missing data imputation. We apply our approach to data from The Cancer Genome Atlas (TCGA), using somatic mutations as covariates to inform patterns of variability across different omics platforms and cancer types. These studies highlight its potential as a robust and adaptable tool for integrative analysis in biomedical research.
Abstract（参考訳）: 複数のコホート(例:サンプルグループ)とビュー(例:ソースまたはモダリティ)にまたがる2次元データ統合は、異種データセットから総合的な洞察を引き出すために、生体医学研究において不可欠である。しかし、既存の積分法のほとんどは、異なるソース間でのマルチビュー統合や、異なるサンプルグループ間でのマルチコホート統合など、単一の次元に焦点を当てている。既存の2次元積分のアプローチは弱く、主に教師なしであり、共変量による貴重な洞察を見越す。このギャップに対処するために,2次元削減ランク回帰法(baRRR)を導入する。提案手法は共変量および非関係効果を同時にモデル化すると同時に,両次元にわたって効果レベル(グローバル,部分共有,個人)を分解する。大規模なシミュレーションでは,信号の回復,結果予測,データ計算の欠如に関して,本手法の利点を実証している。我々はThe Cancer Genome Atlas (TCGA)のデータにアプローチを適用し、体細胞突然変異を共変体として使用し、異なるオミクスプラットフォームとがんタイプ間の変動パターンを知らせる。これらの研究は、生体医学研究における統合分析のための堅牢で適応可能なツールとしての可能性を強調している。

関連論文リスト

Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。 COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
論文参考訳（メタデータ） (2026-07-24T04:26:47Z)
scMRDR: A scalable and flexible framework for unpaired single-cell multi-omics data integration [53.683726781791385]
単一セルマルチオミクス(ScMRDR)と呼ばれるスケーラブルでフレキシブルな生成フレームワークを導入する。本手法は, バッチ補正, モダリティアライメント, 生体信号保存の観点から, ベンチマークデータセット上での優れた性能を実現する。
論文参考訳（メタデータ） (2025-10-28T21:28:39Z)
Multi-Omics Analysis for Cancer Subtype Inference via Unrolling Graph Smoothness Priors [10.102510875040169]
マルチオミクス癌サブタイプ分類(GTMancer)のためのグラフ変換器というフレームワークを提案する。このフレームワークは、GNN最適化問題の上に構築され、複雑なマルチオミクスデータに応用範囲を広げる。 7つの実世界のがんデータセットに関する実証実験は、GTMancerが既存の最先端アルゴリズムより優れていることを示した。
論文参考訳（メタデータ） (2025-08-08T12:22:36Z)
Generalized probabilistic canonical correlation analysis for multi-modal data integration with full or partial observations [0.0]
Generalized Probabilistic Canonical correlation Analysis (GPCCA) はマルチモーダルデータの統合と共同次元化のための教師なし手法である。 GPCCAは、モデル内の欠落値を扱うことで、マルチモーダルデータ分析における重要な課題に対処する。
論文参考訳（メタデータ） (2025-04-15T20:49:31Z)
Weighted Diversified Sampling for Efficient Data-Driven Single-Cell Gene-Gene Interaction Discovery [56.622854875204645]
本稿では,遺伝子・遺伝子相互作用の探索に先進的なトランスフォーマーモデルを活用する,データ駆動型計算ツールを活用した革新的なアプローチを提案する。新たな重み付き多様化サンプリングアルゴリズムは、データセットのたった2パスで、各データサンプルの多様性スコアを算出する。
論文参考訳（メタデータ） (2024-10-21T03:35:23Z)
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)
Rethinking Mitosis Detection: Towards Diverse Data and Feature Representation [30.882319057927052]
ミトコンドリア検出のための新しい一般化可能なフレームワーク(MitDet)を提案する。提案手法は,いくつかの一般的なミトーシス検出データセットにおいて,SOTAのアプローチよりも優れた性能を示す。
論文参考訳（メタデータ） (2023-07-12T03:33:11Z)
CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data [47.2764293508916]
不均一・高次元マルチオミクスデータの統合は、遺伝データの理解においてますます重要になっている。マルチオミクスデータ統合を行う際に直面する障害のひとつは、機器の感度とコストによる未ペアリングマルチオミクスデータの存在である。クロスオミクスを用いたマルチオミクス統合のための深層学習手法を提案する。
論文参考訳（メタデータ） (2023-04-12T00:22:18Z)
CustOmics: A versatile deep-learning based strategy for multi-omics integration [0.0]
本稿では,高次元マルチソース統合の場合のデータセットに適応する,カスタマイズ可能なオートエンコーダモデルを構築するための新しい戦略を提案する。我々は,統合戦略が潜在表現に与える影響を評価し,新しい手法であるCustOmicsを提案する最善の戦略を組み合わせる。
論文参考訳（メタデータ） (2022-09-12T14:20:29Z)
A Variational Information Bottleneck Approach to Multi-Omics Data Integration [98.6475134630792]
本稿では,不完全な多視点観測のための深い変動情報ボトルネック (IB) 手法を提案する。本手法は,対象物に関連のある視点内および視点間相互作用に焦点をあてるために,観測された視点の辺縁および結合表現にISBフレームワークを適用した。実世界のデータセットの実験から、我々の手法はデータ統合から常に利益を得て、最先端のベンチマークより優れています。
論文参考訳（メタデータ） (2021-02-05T06:05:39Z)

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。