エピジェネティクスによる個人の獲得:機械学習支援精密エピゲノミクスに向けて【JST・京大機械翻訳】

Hawkins-Hooker, A.; Visona, G.; Narendra, T.; Rojas-Carulla, M.; Schoelkopf, B.; Schweikert, G.

プレプリント

J-GLOBAL ID：202202203315782573 整理番号：22P0315033

エピジェネティクスによる個人の獲得:機械学習支援精密エピゲノミクスに向けて【JST・京大機械翻訳】

Getting Personal with Epigenetics: Towards Machine-Learning-Assisted Precision Epigenomics

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月14日プレプリントサーバーでの情報更新日： 2022年02月14日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

エピジェネティック修飾は遺伝子発現の調節に関与する動的制御機構である。DNA配列自体と異なり,それらは個体間でだけでなく,同じ個体の異なる細胞型間でも変化する。環境因子,体細胞変異,および加齢への曝露は,時間にわたるエピゲノム変化に寄与し,それは疾患の初期の特徴または原因因子を構成する可能性がある。エピジェネティック変化は可逆的であり,従って有望な治療標的である。しかし,個体細胞型特異的エピゲノムを決定するマッピング努力は,実験コストによって制約される。eDICE,注意ベース深層学習モデル,を,エピゲノムトラックのインプリッティングに,参照ロードマップエピゲノムに関する以前のモデルと比較して,改善された全体性能を達成する,を開発した。さらに,eDICEが個々および細胞型特異的エピジェネティックパターンを正しく予測する,ENTExデータセットに関する個人化エピゲノム測定の帰属のための概念の証明を提示した。この事例研究は,個人化されたエピゲノミクスのための機械学習ベースのアプローチをロバストに採用するための重要なステップを構成する。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

遺伝子発現 , 腫ようの化学・生化学・病理学

, , , , ,

前のページに戻る