文献

J-GLOBAL ID：202202236824115368   整理番号：22A0434241

蛋白質示差走査熱量測定信号分離のための強化学習に基づく方法【JST・京大機械翻訳】

A reinforcement learning based method for protein’s differential scanning calorimetry signal separation

著者 (4件)： Lv Xin (Department of Control Engineering, Northeastern University, Qinhuangdao, Hebei 066001, PR China) ,  Wang Shuyu (Department of Control Engineering, Northeastern University, Qinhuangdao, Hebei 066001, PR China) ,  Zhao Yuliang (Department of Control Engineering, Northeastern University, Qinhuangdao, Hebei 066001, PR China) ,  Shan Peng (Department of Control Engineering, Northeastern University, Qinhuangdao, Hebei 066001, PR China)
資料名： Measurement  (Measurement)
巻： 188  ページ： Null  発行年： 2022年 
JST資料番号： W0315B  ISSN： 0263-2241  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： 示差走査熱量測定(DSC)は,DSC試験データが蛋白質折畳み熱力学を特性化するための貴重な洞察を提供するので,蛋白質安定性を研究するための強力な技術である。薬物発見分野における研究者は,ベースライン減算,データフィッティング,統合,およびドメインデコンボリューションのような多段階におけるDSC曲線を手動で分析する必要がある。データ処理の効率および一貫性を改善するために,自動DSCピーク同定およびベースライン推定のための機械学習方法を,以前の研究において認めた。しかし,DSCの自動ピーク分離は,マルチドメイン蛋白質アンフォールディングを説明する重要な役割にもかかわらず,未解明であった。本研究では,DSC信号の重複ピークを分離するために,強化学習に基づく方法を提案した。2種類の蛋白質データを用いて,この方法の有効性を検証した。それは,ピーク信号を複数のサブピークに自動的にデコンボリューションする。著者らの自動解析法は,高容量データが含まれるとき,DSC信号解析における効率の改善につながる。本研究のコードとデータは,https://github.com/shuyu-wang/DSC_analysis_peak_separationで見つけることができる。Copyright 2022 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： 熱力学 ,  信号解析 ,  *タンパク質 ,  デコンボリューション ,  データ処理 ,  減算 ,  基準線 ,  キャラクタリゼーション ,  有効性 ,  *示差走査熱量測定 ,  機械学習 ,  *強化学習
準シソーラス用語： 蛋白質アンフォールディング ,  *信号源分離 ,  マルチドメイン , 【Automatic Indexing@JST】

著者キーワード (4件)： 示差走査熱量測定 ,  ピーク分離 ,  強化学習 ,  自動データ解析

分類 (5件)： 雑音一般  (ND04010J) ,  CAI  (JE09000G) ,  非破壊試験  (HB02030F) ,  通信測定一般  (ND03000R) ,  集積回路一般  (NC03161C)

タイトルに関連する用語 (3件)： 蛋白質 ,  示差走査熱量測定 ,  強化学習