文献

J-GLOBAL ID：202002276436313492   整理番号：20A1356235

ネットワーク表現学習に基づく多発性硬化症の疾患遺伝子の予測【JST・京大機械翻訳】

Predicting the Disease Genes of Multiple Sclerosis Based on Network Representation Learning

著者 (10件)： Liu Haijie (Department of Neurology, Xuanwu Hospital, Capital Medical University, Beijing, China) ,  Liu Haijie (Department of Physical Medicine and Rehabilitation, Tianjin Medical University General Hospital, Tianjin, China) ,  Liu Haijie (Stroke Biological Recovery Laboratory, Department of Physical Medicine and Rehabilitation, Spaulding Rehabilitation Hospital, The Teaching Affiliate of Harvard Medical School Charlestown, Boston, MA, United States) ,  Guan Jiaojiao (School of Computer Science, Northwestern Polytechnical University, Xi’an, China) ,  Li He (Department of Automation, College of Information Science and Engineering, Tianjin Tianshi College, Tianjin, China) ,  Bao Zhijie (School of Textile Science and Engineering, Tiangong University, Tianjin, China) ,  Wang Qingmei (Stroke Biological Recovery Laboratory, Department of Physical Medicine and Rehabilitation, Spaulding Rehabilitation Hospital, The Teaching Affiliate of Harvard Medical School Charlestown, Boston, MA, United States) ,  Luo Xun (Kerry Rehabilitation Medicine Research Institute, Shenzhen, China) ,  Luo Xun (Shenzhen Dapeng New District Nan’ao People’s Hospital, Shenzhen, China) ,  Xue Hansheng (School of Computer Science, Northwestern Polytechnical University, Xi’an, China)
資料名： Frontiers in Genetics (Web)  (Frontiers in Genetics (Web))
巻： 11  ページ： 328  発行年： 2020年 
JST資料番号： U7071A  ISSN： 1664-8021  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 多発性硬化症(MS)は,正確な疾患関連遺伝子を見つけるのが困難な自己免疫疾患である。疾患関連遺伝子を効果的に同定することは,多発性硬化症の治療と診断の改善に寄与するであろう。疾患関連遺伝子の同定のための現在の方法は,主にguilt-by-会合の仮説に焦点を当て,全蛋白質-蛋白質相互作用(PPI)ネットワークの全体的なトポロジー情報にはほとんど注目されていない。そのうえ,ネットワーク表現学習(NRL)は,ノード表現と多くの下流タスクにおける有望な性能のため,ネットワーク解析の分野において莫大な注目を集めている。本論文では,疾患関連遺伝子予測の課題にNRLを導入し,疾患関連遺伝子多発性硬化症を同定するための新しいフレームワークを提案する。提案したフレームワークは,NRLベースの方法を用いてPPIネットワークのトポロジー構造を捉え,積層オートエンコーダを用いて低次元空間に学習された特徴を符号化し,疾患関連遺伝子を予測するためにサポートベクトルマシン(SVM)分類器を訓練する3つの主なステップを含む。3つの最先端アルゴリズムと比較して,提案フレームワークは多発性硬化症の疾患関連遺伝子を予測するタスクに関して優れた性能を示した。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  位相幾何学 ,  *ネットワーク ,  *多発性硬化症 ,  自己免疫病 ,  サポートベクトルマシン
準シソーラス用語： 蛋白質間相互作用 ,  ネットワーク解析 ,  *疾患遺伝子 ,  自己符号化器 , 【Automatic Indexing@JST】

著者キーワード (5件)： 多発性硬化症 ,  ネットワーク埋込み ,  疾患遺伝子の予測 ,  PPIネットワーク ,  深層学習

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

引用文献 (30件)：

• Abdi H., Williams L. J. (2010). Principal component analysis. Wiley Interdiscipl. Rev. Comput. Stat. 2, 433-459. doi: 10.1002/wics.101
• Bengio Y., Lamblin P., Popovici D., Larochelle H. (2006). “Greedy layer-wise training of deep networks,” in Proceedings of the 19th International Conference on Neural Information Processing Systems, NIPS'06 (Cambridge, MA: MIT Press), 153-160. doi: 10.1002/wics.101
• Chang C.-C., Lin C.-J. (2011). Libsvm: a library for support vector machines. ACM Trans. Intell. Syst. Technol. 2:27. doi: 10.1145/1961189.1961199
• Compston A., Coles A. (2002). Multiple sclerosis. Deutsche Medizinische Wochenschrift 359, 1221-1231. doi: 10.1016/S0140-6736(02)08220-X
• Diaz-Uriarte R., de Andres S. A. (2006). Gene selection and classification of microarray data using random forest. BMC Bioinformatics 7:3. doi: 10.1186/1471-2105-7-3

タイトルに関連する用語 (4件)： 表現学習 ,  多発性硬化症 ,  疾患遺伝子 ,  予測