文献

J-GLOBAL ID：201702266581056398   整理番号：17A1396624

人工神経回路網学習アプローチを用いたヒトにおけるインフルエンザAウイルス感染の予測【Powered by NICT】

Prediction of Influenza A virus infections in humans using an Artificial Neural Network learning approach

著者 (3件)： Chrysostomou Charalambos (Computation-based Science and Technology Research Center, The Cyprus Institute, 20 Konstantinou Kavafi Street, 2121, Aglantzia, Nicosia, Cyprus) ,  Partaourides Harris (Department of Electrical Engineering, Computer Engineering and Informatics, Cyprus University of Technology, 30 Archbishop Kyprianou Str., 3036 Limassol, Cyprus) ,  Seker Huseyin (Department of Computer and Information Sciences, Faculty of Engineering and Environment, The University of Northumbria at Newcastle, NE1 8ST, Newcastle-upon-Tyne, The United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 1186-1189  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： インフルエンザA型ウイルスは宿主へのしばしば致死的結果を伴う複数種に感染できることを最も重篤なウイルスの一つとして考えることができる。ウイルスの血球凝集素(HA)遺伝子はそのサブタイプの正確な同定により実現し,標的ホストの可能な抗ウイルス薬開発の標的となる可能性がある。本論文では,インフルエンザA型ウイルスはヒト宿主に感染する能力を有しているかどうかを正確に予測する,HA遺伝子を用いて,開発し試験した。予測モデルは三つの主要ステップに従う;(i)蛋白質配列を解読EIIPアミノ酸スケールを用いた数値信号に,(ii)離散Fourier変換(DFT)を用いて,DFTベースの特徴を抽出してこれらの配列を分析し,(iii)予測モデル,人工神経回路網に基づくを用い,DFTによって生成された特徴を用いた。この解析では,インフルエンザ研究データベースから,30724年,18236年,8157HA蛋白質配列はそれぞれヒト,トリおよびブタのために収集した。この一連の蛋白質が与えられた時,提案した方法は,10分割交差検定に基づいて訓練精度検証精度,それぞれ精度,想起とMathews相関係数(MCC)の97.36%(±0.04%),97.26%(±0.26%),0.978(±0.004),0.963(±0.005)と0.945(±0.005)を得た。最大ではないにしても,最大データセットの1つを用いて生成した分類モデルは,そのような種の早期発見につながると可能なヒト感染のための予防測定を開発する助けとなると有望な結果が得られた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ヒト ,  相関係数 ,  血球凝集素 ,  データベース ,  抗ウイルス薬 ,  *感染 ,  遺伝子 ,  *ニューラルネットワーク ,  交差検証法 ,  早期診断 ,  予測モデル ,  *ウイルス ,  *インフルエンザ
準シソーラス用語： 分類モデル ,  HA遺伝子 , 【Automatic Indexing@JST】

分類 (1件)： ウイルス感染の生理と病原性  (EG04042Y)

タイトルに関連する用語 (6件)： 人工神経回路網 ,  学習 ,  ヒト ,  インフルエンザAウイルス ,  感染 ,  予測