論文の概要: BIOTRAM: Biochemistry-informed Transformer for Relative Abundance via Metabarcoding
- arxiv url: http://arxiv.org/abs/2611.05418v1
- Date: Sun, 01 Nov 2026 00:02:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.802822
- Title: BIOTRAM: Biochemistry-informed Transformer for Relative Abundance via Metabarcoding
- Title(参考訳): BIOTRAM:メタバーコードを用いた生体化学インフォームドトランス
- Abstract要約: BIOTRAMは、検体当たりの読み出し回数を、検体当たりの読み出し量で割ることで、検体当たりの読み出し数を推定する。
メタバーコーディングと総合的な個別バーコーディングの両方で処理された1,188個のボトル(800k標本)のペアデータセットにおいて、BIOTRAMは、推定値と真の組成とのジェンセン=シャノンのばらつきを、生の読み率0.3586から0.1200に減少させる。
- 参考スコア(独自算出の注目度): 24.671746457444822
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Arthropod monitoring at scale begins with metabarcoding of bulk samples: trap collections of hundreds to thousands of specimens processed as one unit, extraction of DNA from the bulked specimens, then sequencing of the DNA from all specimens together. Metabarcoding reveals which taxa such a sample contains, but due to factors such as differing DNA amplification rates and body sizes, its read counts do not neatly correspond to how abundant the different taxa are relative to one another. This lack of relative abundance limits the data's utility for the multitude of ecological analyses that depend on it. We propose BIOTRAM: a neural network that estimates per-taxon specimen counts by dividing the observed read counts by a learned read yield per specimen, which it factors into the DNA each specimen contributes and how efficiently that DNA is amplified. On a paired dataset of 1,188 bottles (800 k specimens) processed both by metabarcoding and by comprehensive individual barcoding for ground-truthing, BIOTRAM reduces the Jensen-Shannon divergence between the estimated and the true composition from 0.3586 for raw read proportions (the usual proxy for abundance) to 0.1200. Trained on the same objective and inputs as four generic deep architectures, all with tuned loss weights, it reaches a count error 3.2% below that of the strongest of them and the lowest composition divergence. It also generalizes to out-of-domain data better, beating all baselines on bottles from unseen regions, later collection dates and unseen sequencing batches, and transferring to data from an unseen laboratory. Structuring the mapping from reads to counts around the steps of the experimental pipeline thus yields more accurate abundance estimates than leaving that mapping unconstrained.
- Abstract(参考訳): 数百から数千の標本を1単位として収集し、塊化された標本からDNAを抽出し、すべての標本からDNAをシーケンシングする。
メタバーコーディングは、そのようなサンプルがどの分類群を含むかを明らかにするが、DNA増幅率や体の大きさの違いなどの要因により、その読み出し回数は、異なる分類群が相互にどの程度の頻度で存在するかと正確には一致しない。
この相対的な存在の欠如は、データに依存する多くの生態学的分析にデータの有用性を制限している。
本研究では, 標本ごとの読取回数を, 標本ごとの学習読取量で割って推定するニューラルネットワークBIOTRAMを提案する。
メタバーコーディングと総合的な個別バーコーディングの両方で処理された1,188個のボトル(800k標本)のペアデータセットにおいて、BIOTRAMは、推定値と真の組成とのジェンセン-シャノンのばらつきを、生の読み率(通常、豊富のためのプロキシ)の0.3586から0.1200に減少させる。
同じ目的と4つの総合的な深層建築(いずれも調整された損失重みを持つ)の入力に基づいて訓練され、最強の3.2%と最も低い構成分岐率の3.2%のカウント誤差に達する。
また、ドメイン外のデータもより良くなり、目に見えない領域からのボトルのベースラインを全て打ち負かし、後に収集された日付と見えないシークエンシングのバッチを抜き、目に見えない実験室からのデータに転送する。
読み取りからカウントまでのマッピングを実験パイプラインのステップ周辺に構造化すると、そのマッピングを制約のないままにしておくよりも、より正確なアブリダンス推定が得られる。
関連論文リスト
- Two-Sample Testing via Path-based Inference [54.590623065123076]
2サンプルテストは、同じ分布が2つの有限データセットを生成するかどうかを決定する問題である。
補間子を用いて、両分布を共有ガウスボトルネックに接続する。
ゼロ仮説は、集団が、または同等に、2つのハーフの速度場が、任意のノイズレベルに一致する場合にのみ成立することを示す。
論文 参考訳(メタデータ) (2026-10-05T01:56:28Z) - Bison: Cross-Dataset Learning for Unseen-Compound Perturbation Prediction [60.9298168217299]
私たちはChem-PerturBridgeを使って、8つのデータセットを16,771の化合物でベンチマークします。
高総合的な反応合意は、薬物特有の差異の弱い予測と共存することができる。
8つのデータセットで共同でトレーニングされた1つのバイソンモデルでは、Pearsonの相関が最大となる。
論文 参考訳(メタデータ) (2026-09-26T10:58:44Z) - Beyond Predictive Accuracy: A Reliability-Aware Audit of Molecular Representations for Human Olfaction [0.0]
4つのクレームにまたがるヒトの嗅覚反応に対する分子表現の信頼性を考慮した評価法を提案する。
人間の3属性評価幾何学は、強さ、快適さ、親しみに基づくものであり、参加者の分割によって再現可能である。
MoLFormerは、RDKit-Morganの組み合わせベースライン以上の明確なインクリメンタルな予測値を、いずれの単一分子データセットにも提供しない。
論文 参考訳(メタデータ) (2026-07-25T03:38:14Z) - The FID Lottery: Quantifying Hidden Randomness in Generative-Model Evaluation [55.62875959637507]
本研究では,FIDを2軸パネル上のランダムな変数として扱う。
クラス条件の ImageNet 256x256 でトレーニングした数百の SiT ネットワーク上で,その分散を直接測定する。
論文 参考訳(メタデータ) (2026-06-18T17:49:32Z) - Learning ON Large Datasets Using Bit-String Trees [0.0]
この論文は類似性保存ハッシュ、分類、がんゲノム学の計算方法を発展させている。
Inverted hash table (ComBI) の圧縮BSTを導入する。
GRAFとComBIは,がん患者の生存率のスケーラブルな予測を可能にするサンプル単位の分類可能性の推定に有効であることを示す。
論文 参考訳(メタデータ) (2025-08-23T16:49:42Z) - Estimating Unknown Population Sizes Using the Hypergeometric Distribution [1.03590082373586]
総人口と構成カテゴリーの規模が不明な場合, 個別分布の推定に挑戦する。
本研究では,連続潜伏変数上での分布条件の混合となるデータ生成過程について考察する。
実験データシミュレーションにより,本手法は数値データをモデル化する他の可能性関数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) (2024-02-22T01:53:56Z) - BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot
Detection [63.447493500066045]
本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。
提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。
実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
論文 参考訳(メタデータ) (2022-07-27T09:26:15Z) - Natural language processing for clusterization of genes according to
their functions [62.997667081978825]
本稿では,数千の遺伝子の解析を減らし,複数のクラスタの解析を行うアプローチを提案する。
これらの記述は、事前訓練された言語モデル(BERT)といくつかのテキスト処理アプローチを用いてベクトルとして符号化される。
論文 参考訳(メタデータ) (2022-07-17T12:59:34Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳(メタデータ) (2021-11-25T10:11:41Z) - Support Estimation with Sampling Artifacts and Errors [31.62490114774054]
人工物やエラーをサンプリングして推定する手法を最初に紹介する。
提案手法は,正規化重み付きチェビシェフ近似に基づく。
我々は,最先端のノイズレスサポート推定手法の適切な修正によって得られた手法と比較して,統合手法の大幅な改善を観察した。
論文 参考訳(メタデータ) (2020-06-14T19:57:17Z)
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。