文献

J-GLOBAL ID：202202266462518425   整理番号：22A1086460

高次グラフ畳込みネットワークによる生物医学相互作用の予測【JST・京大機械翻訳】

Predicting Biomedical Interactions With Higher-Order Graph Convolutional Networks

著者 (4件)： KC Kishan (Golisano College of Information Sciences, Rochester Institute of Technology, Rochester, NY, USA) ,  Li Rui (Golisano College of Information Sciences, Rochester Institute of Technology, Rochester, NY, USA) ,  Cui Feng (Thomas H. Gosnell School of Life Sciences, Rochester Institute of Technology, Rochester, NY, USA) ,  Haake Anne R. (Golisano College of Information Sciences, Rochester Institute of Technology, Rochester, NY, USA)
資料名： IEEE/ACM Transactions on Computational Biology and Bioinformatics  (IEEE/ACM Transactions on Computational Biology and Bioinformatics)
巻： 19  号： 2  ページ： 676-687  発行年： 2022年 
JST資料番号： W1409A  ISSN： 1545-5963  CODEN： ITCBCY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： バイオメディカル相互作用ネットワークは,生物学的に意味のある相互作用の予測,疾患のネットワークバイオマーカーの同定,および推定薬物標的の発見に役立つ可能性がある。最近,生物医学実体のための表現を効果的に学習し,生物医学相互作用予測における最先端の結果を達成するために,グラフニューラルネットワークが提案されている。これらの方法は,即時近傍からの情報のみを考慮するが,様々な距離での近傍からの特徴の一般的混合を学習できない。本論文では,生物医学相互作用予測のための高次近傍から情報を集める高次グラフ畳込みネットワーク(HOGCN)を提案した。特に,HOGCNは,様々な距離で近隣の特徴表現を収集し,それらの線形混合を学習し,生物医学実体の有益な表現を得る。蛋白質-蛋白質,薬物-薬物,薬物-標的,および遺伝子-疾患相互作用を含む4つの相互作用ネットワークに関する実験は,HOGCNがより正確で較正された予測を達成することを示す。HOGCNは,様々な距離での近傍の特徴表現を考慮した場合,雑音の多いスパース相互作用ネットワーク上でよく機能する。さらに,新しい相互作用予測のセットを,文献ベースの事例研究により検証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *相互作用 ,  *畳込み ,  *ネットワーク ,  ニューラルネットワーク ,  透視図法 ,  生物学 ,  遺伝子 ,  タンパク質 ,  線形性 ,  事例研究 ,  バイオマーカー
準シソーラス用語： *生物医学 ,  創薬標的 ,  特徴表現 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： グラフ ,  畳込み ,  生物医学 ,  相互作用 ,  予測