文献

J-GLOBAL ID：202202276591304759   整理番号：22A1086468

疾患関連miRNAを予測するためのマトリックス完成と非負行列因子分解に基づく新しい方法【JST・京大機械翻訳】

A New Method Based on Matrix Completion and Non-Negative Matrix Factorization for Predicting Disease-Associated miRNAs

著者 (6件)： Gao Zhen (School of Software, Qufu Normal University, Qufu, China) ,  Wang Yu-Tian (School of Software, Qufu Normal University, Qufu, China) ,  Wu Qing-Wen (School of Software, Qufu Normal University, Qufu, China) ,  Li Lei (School of Software, Qufu Normal University, Qufu, China) ,  Ni Jian-Cheng (School of Software, Qufu Normal University, Qufu, China) ,  Zheng Chun-Hou (School of Computer Science and Technology, Anhui University, Hefei, China)
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： 763-772  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： 多くの研究は,マイクロRNAがヒト疾患の発生と発達と関係することを示した。したがって,疾患関連miRNAを研究することは,病気の予防,診断および治療に対して有意に貴重である。本論文では,疾患関連miRNAを予測するためのマトリックス完成と非陰性マトリックス因数分解(MCNMF)に基づく新しい方法を提案した。miRNA類似性と疾患類似性に関する情報不十分性のため,著者らは2つのモデルを通して後者を計算して,Gauss相互作用プロファイルカーネル類似性を導入した。さらに,マトリックス完了(MC)を用いて,miRNAと疾患類似性をさらに補充し,予測性能を改善した。そして,miRNA-疾患関連マトリックスのスパース性を減らすために,加重K最近傍(WKNKN)の方法を使用し,それは前処理段階である。また,予測中の過剰フィッティングを効果的に回避するために,二重SiWLL}{2,1}L2,1ノルム,グラフラプラシアン正則化,およびTikhonov正則化を用いた非負行列因数分解(NMF)を利用した。最後に,いくつかの実験と事例研究を,提案したMCNMFモデルの有効性と性能を評価するために実行した。結果は,著者らの方法が,疾患関連miRNAを確実かつ効果的に予測できることを示した。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： *行列 ,  相互作用 ,  前処理 ,  *因数分解 ,  モデル ,  事例研究 ,  正則化 ,  類似性 ,  性質 ,  有効性 ,  ノルム
準シソーラス用語： *マイクロRNA ,  Tikhonov正則化 ,  スパース性 ,  予測性能 ,  *非負行列因子分解 ,  行列因数分解 , 【Automatic Indexing@JST】

分類 (4件)： 音声処理  (JE05000E) ,  レーダ  (ND13010H) ,  分子・遺伝情報処理  (JE15040B) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 疾患 ,  miRNA ,  予測 ,  マトリックス ,  非負行列因子分解