文献

J-GLOBAL ID：202202231010160747   整理番号：22A0625167

確率的マスクの学習による生物学的配列のためのニューラルネットワークの解釈【JST・京大機械翻訳】

Interpreting neural networks for biological sequences by learning stochastic masks

著者 (8件)： Linder Johannes (Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, WA, USA) ,  La Fleur Alyssa (Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, WA, USA) ,  Chen Zibo (Institute for Protein Design, University of Washington, Seattle, WA, USA) ,  Ljubetic Ajasja (Institute for Protein Design, University of Washington, Seattle, WA, USA) ,  Baker David (Institute for Protein Design, University of Washington, Seattle, WA, USA) ,  Kannan Sreeram (Department of Electrical and Computer Engineering, University of Washington, Seattle, WA, USA) ,  Seelig Georg (Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, WA, USA) ,  Seelig Georg (Department of Electrical and Computer Engineering, University of Washington, Seattle, WA, USA)
資料名： Nature Machine Intelligence  (Nature Machine Intelligence)
巻： 4  号： 1  ページ： 41-54  発行年： 2022年 
JST資料番号： W6370A  ISSN： 2522-5839  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 配列ベースのニューラルネットワークは,大きな生物学的データセットから正確な予測を学ぶことができるが,モデル解釈は挑戦的である。多くの既存の特徴属性法を離散入力パターンよりも連続で最適化し,分離における個々の特徴の重要性を評価し,それらを分子配列における非線形相互作用を解釈するために不適切にした。ここで,コンピュータビジョンと自然言語処理における作業に関して,著者らは,最も重要なシーケンス位置が学習された入力マスクで同定される深い学習スクランブラネットワークに基づくアプローチを開発した。スクランブラーは,ユニポータントヌクレオチドまたは残基がそれらのエントロピーの上昇によりスクランブルされる位置特異的スコアリングマトリックスを予測するように学習する。遺伝子変異体の効果を解釈するためにスクランブラーを適用し,シス調節要素間の非線形相互作用を明らかにし,蛋白質-蛋白質相互作用に対する結合特異性を説明し,de novo設計蛋白質の構造的決定因子を同定した。スクランブラは,大きなデータセットにわたって効率的な属性を可能にし,高品質の説明をもたらし,しばしば最先端の方法より優れていることを示した。ニューラルネットワークは,大規模DNAと蛋白質配列データからの生物学的機能を予測するための有用なアプローチになった。しかし,研究者は,入力シーケンスにおけるどの特徴が与えられたモデルに対して重要であるかを理解することができないことが多いが,それは既知の生物学に関して予測を説明するのを困難にする。著者らは,離散シーケンス入力のために仕立てられた特徴属性方式であるスクラムブラネットワークを導入した。Copyright The Author(s), under exclusive licence to Springer Nature Limited 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  最適化 ,  *学習 ,  *ネットワーク ,  *ニューラルネットワーク ,  *生物学 ,  DNA【核酸】 ,  アミノ酸配列 ,  調節遺伝子 ,  生物活性 ,  コンピュータビジョン ,  スクランブラ ,  遺伝子変異
準シソーラス用語： 蛋白質間相互作用 ,  残基 , 【Automatic Indexing@JST】

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  分子構造  (EB03020Y)

タイトルに関連する用語 (5件)： 確率 ,  マスク ,  学習 ,  生物学 ,  ニューラルネットワーク