RGTFormer: 分類的なゲートトランスフォーマーとリレーショナルグラフのコンボリューションネットワークを使用して,Mycobacterium tuberculosisの変異に関連した多剤耐性を予測する
Rakesh Chandra Joshi1, Hitesh Reddy Dereddy2, Sandip Mukhopadhyay3
1Amity Centre for Artificial Intelligence, Amity University, Noida, Uttar Pradesh 201313, India.
結核 (TB) の多剤耐性を予測することは極めて重要です. 新しいディープラーニングモデルであるRGTFormerは,TB薬に対する耐性を引き起こす変異を正確に特定し,パーソナライズされた治療戦略を支援しています.
科学分野:
- ゲノミクスゲノミクスとは
- コンピュータ生物学 コンピュータ生物学
- 薬剤耐性研究 薬剤耐性研究
背景:
- 結核 (TB) は,多剤耐性の増大により悪化した,世界的な健康上の大きな課題となっています.
- 結核の薬剤耐性は,しばしば標的遺伝子の特定の変異に起因し,効果的な治療のための早期予測を必要とします.
研究 の 目的:
- 結核における変異による薬剤耐性を予測するための新しいディープラーニングモデルであるRGTFormerの開発と評価.
- 配列および構造変異データを用いて既存の方法と比較してモデルのパフォーマンスを評価する.
主な方法:
- RGTFormerを開発し,分類式ゲート型トランスフォーマーとリレーショナルグラフコンボリューションネットワーク (RGCN) を統合しました.
- 6つの主要な抗結核薬剤耐性遺伝子の変異から得られた配列と構造特性を利用した.
- 厳格な評価のための10倍クロス検証と独立したテストセットを使用しました.
主要な成果:
- RGTFormerは,テストセットで98.67%,クロス検証で97.15%という高い精度を達成しました.
- このモデルは,従来の機械学習やその他のディープラーニングのアプローチを上回った.
- 消去研究により,RGCNとゲートされた注意力メカニズムの相乗効果が確認されました.
結論:
- RGTFormerは,変異に基づいて結核薬剤耐性を予測するための堅牢で,解釈しやすく,効率的な枠組みを提供します.
- このモデルは,パーソナライズされた結核治療と,耐性菌株に対する薬剤選択の最適化の可能性を示しています.
- RGTFormerからの生物学的に解釈可能な予測は,臨床的意思決定に情報を与えることができます.
さらに関連する動画
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
03:37Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers
Published on: March 1, 2024
関連する概念動画
Combined Effects of Drugs: Synergism
Such synergistic combinations...
Dosage Regimen Designs: Nomograms and Tabulations
Therapeutic Drug Monitoring: Overview and Classification
Cryptococcal Meningitis
Antifungal Agents
Clinical Significance of Antibiotic Resistance
