文献

J-GLOBAL ID：202002246752150397   整理番号：20A0533197

imipMF:確率的行列因子分解を用いたmiRNA-疾患相互作用の推論【JST・京大機械翻訳】

IMIPMF: Inferring miRNA-disease interactions using probabilistic matrix factorization

著者 (4件)： Ha Jihwan (Department of Computer Science, Yonsei University, 134 Sinchon-dong, Seodaemun-gu, Seoul, South Korea) ,  Park Chihyun (Department of Computer Science, Yonsei University, 134 Sinchon-dong, Seodaemun-gu, Seoul, South Korea) ,  Park Chanyoung (Department of Computer Science, University of Illinois at Urbana-Champaign, Urbana, USA) ,  Park Sanghyun (Department of Computer Science, Yonsei University, 134 Sinchon-dong, Seodaemun-gu, Seoul, South Korea)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 102  ページ： Null  発行年： 2020年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,マイクロRNA(miRNA)が様々な生物学的プロセスにおいて重要な役割を果たすことが報告されている。したがって,新規miRNA-疾患関連性の同定は,疾患病因と病因に関する新しい光を明らかにすることができる。現在まで,様々な計算法が,実験コストと時間消費を低減することにより,潜在的miRNA-疾患関連性を予測するために提案されている。しかしながら,ほとんどの既存の方法は,既知のmiRNA-疾患関連に高度に依存している。したがって,新しいmiRNA(すなわち,既知の関連疾患のないmiRNA)および新しい疾患(すなわち,既知の関連miRNAのない疾患)の予測は,挑戦的になっている。本論文では,推薦システムで広く使われている機械学習技術である確率行列因数分解(PMF)を用いてmiRNA-疾患関連を予測するための新しい方法であるIMIPMFを提案した。ユーザが推薦システムにおける各項目に割り当てられるという評価スコアを予測することは,miRNA-疾患関連の予測に類似している。PMFを適用することにより,著者らのモデルは新規miRNA-疾患関連性を同定するだけでなく,既知の関連疾患のないmiRNAとの不適合性の一般的問題を克服し,これはほとんどの以前の計算法の限界であった。提案したモデルは,5倍の交差検証を行うことにより,0.891の信頼できるAUC値で高性能を達成することを実証した。全体として,IMIPMFはmiRNA-疾患関連を予測するための高性能機械学習ベースモデルであるが,miRNA-疾患関連とmiRNA発現データのみを考慮する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *相互作用 ,  確率行列 ,  病因 ,  機械学習
準シソーラス用語： 行列因数分解 ,  推奨システム ,  *マイクロRNA ,  因子分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： miRNA ,  病気 ,  miRNA病関連 ,  確率行列因子分解

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (7件)： 確率 ,  行列 ,  因子分解 ,  miRNA ,  疾患 ,  相互作用 ,  推論