文献

J-GLOBAL ID：202202276827332021   整理番号：22A1023373

新規協調加重非負行列因子分解は疾患関連ヒト微生物の予測を改善する【JST・京大機械翻訳】

Novel Collaborative Weighted Non-negative Matrix Factorization Improves Prediction of Disease-Associated Human Microbes

著者 (4件)： Xu Da (School of Mathematics and Statistics, Shandong University, Weihai, China) ,  Xu Hanxiao (School of Mathematics and Statistics, Shandong University, Weihai, China) ,  Zhang Yusen (School of Mathematics and Statistics, Shandong University, Weihai, China) ,  Gao Rui (School of Control Science and Engineering, Shandong University, Jinan, China)
資料名： Frontiers in Microbiology (Web)  (Frontiers in Microbiology (Web))
巻： 13  ページ： 834982  発行年： 2022年 
JST資料番号： U7080A  ISSN： 1664-302X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 広範な臨床的および生物医学的研究は,ミクロビオームがヒトの健康において顕著な役割を果たすことを示した。潜在的微生物-疾患関連(MDA)の同定は,ヒト疾患の病理学的メカニズムを明らかにし,ヒト疾患の予防,診断および治療に有用である。したがって,有効な計算モデルを開発し,生物学的実験のコストと時間を低減する必要がある。ここでは,提案した協調加重非負行列因数分解(CWNMF)技法とグラフラプラシアン正則化最小二乗を用いて,ヒトMDA予測のためのCWNMF-GLapRLSと呼ぶ新しい機械学習ベース結合フレームワークを開発した。特に,より多くの類似性情報を融合するために,微生物の機能的類似性を計算した。欠測値に対処し,データスパース性問題を効果的に克服するために,元の連想行列を再構成するための協調加重NMF技術を提案した。さらに,予測のためにグラフラプラシアン正則化最小二乗法を開発した。5倍と1回の交差確認の実験結果は,この方法がベンチマークデータセット上で5つの最先端の方法と比較して,最良の性能を達成することを示した。事例研究は,提案方法が潜在的MDAsを予測する有効なツールであり,生物医学研究者にとってより多くの支援を提供できることを示した。Copyright 2022 The Author(s) 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 ,  グラフ ,  最小二乗法 ,  データ ,  *微生物 ,  ヒト ,  *因数分解 ,  事例研究 ,  正則化 ,  性質 ,  病理学 ,  計算モデル ,  機械学習
準シソーラス用語： スパース性 ,  欠測値 ,  *非負行列因子分解 ,  ヒトの健康 , 【Automatic Indexing@JST】

著者キーワード (5件)： 微生物 ,  病気 ,  関連予測 ,  協調的重み付き非負行列因数分解 ,  グラフLaplace正則化最小二乗

分類 (2件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J)

引用文献 (67件)：

• Bao W., Jiang Z., Huang D. S. (2017). Novel human microbe-disease association prediction using network consistency projection. BMC Bioinform. 18:543. doi: 10.1186/s12859-017-1968-2
• Björkstén B., Naaber P., Sepp E., Mikelsaar M. (1999). The intestinal microflora in allergic Estonian and Swedish 2-year-old children. Clin. Exp. Allergy 29 342-346. doi: 10.1046/j.1365-2222.1999.00560.x
• Cai D., He X., Han J., Huang T. S. (2020). Graph Regularized Nonnegative Matrix Factorization for Data Representation. Appl. Intell. 50 438-447. doi: 10.1007/s10489-019-01539-9
• Camacho D. M., Collins K. M., Powers R. K., Costello J. C., Collins J. J. (2018). Next-Generation Machine Learning for Biological Networks. Cell 173 1581-1592. doi: 10.1016/j.cell.2018.05.015
• Chen X., Huang Y. A., You Z. H., Yan G. Y., Wang X. S. (2017). A novel approach based on KATZ measure to predict associations of human microbiota with non-infectious diseases. Bioinformatics 33 733-739. doi: 10.1093/bioinformatics/btw715

タイトルに関連する用語 (7件)： 協調 ,  加重 ,  非負行列因子分解 ,  疾患 ,  ヒト ,  微生物 ,  予測