ترجمه فارسی مقاله DeepEXPOKE: چارچوب یادگیری عمیق با امتیازهای خطر چند ژنی به عنوان عواملی برای کاهش خطرات ژنتیکی و غیر ژنتیکی در سپسیس و بیماری عروق کرونر قلب

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی DeepEXPOKE: A Deep Learning Framework with Polygenic Risk Scores as Knockoffs for Deconvoluting Genetic and Non-Genetic Exposure Risks in Sepsis and Coronary Heart Disease
عنوان مقاله به فارسی DeepEXPOKE: چارچوب یادگیری عمیق با امتیازهای خطر چند ژنی به عنوان عواملی برای کاهش خطرات ژنتیکی و غیر ژنتیکی در سپسیس و بیماری عروق کرونر قلب
نویسندگان ProfileAditya Sriram, Rebecca Bohn, Kate Kernan, Joseph Carcillo, Soyeon Kim, ProfileHyun Jung Park
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Genetic and Genomic Medicine داروی ژنتیکی و ژنومی

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The exposome refers to the totality of environmental, behavioral, and lifestyle exposures an individual experiences throughout one’s lifetime. Due to the modifiability of exposures, identifying the risk exposures on a disease is crucial for effective intervention and prevention of the disease. However, traditional analytical methods struggle to capture the complexities of exposome data: nonlinear effects, correlated exposures, and potential interplay with genetic effects. To address these challenges and accurately estimate exposure effects on complex diseases, we developed DeepEXPOKE, a deep learning framework integrating two types of knockoff features: statistical knockoffs (statKO) and polygenic risk score as knockoffs (PRSKO). DeepEXPOKE-statKO controls exposure correlation and DeepEXPOKE-PRSKO isolates genetic effects, while both can capture nonlinear effects. We applied DeepEXPOKE to predict outcomes of two significant diseases with distinct etiology and clinical presentation: sepsis and coronary heart disease (CHD), demonstrating its performance in comparison to existing machine learning methods. Furthermore, both DeepEXPOKE-PRSKO and DeepEXPOKE-statKO identified metabolites such as glucose and triglycerides as risk factors for sepsis and suggested that their effects are primarily at the non-genetic level, consistent with the role of metabolites in responding to environmental factors. Additionally, DeepEXPOKE-PRSKO uniquely identified asthma as a sepsis risk factor and suggested its effect is partially at the genetic level, offering insights into the conflicting associations observed between the genome data studies and patient data analysis regarding asthma and sepsis risk. Overall, DeepEXPOKE offers a novel DNN approach for identifying and interpreting exposure risk factors, advancing our understanding of complex diseases.

چکیده به فارسی (ترجمه ماشینی)

این نمایشگاه به کلیت قرار گرفتن در معرض محیط زیست ، رفتاری و شیوه زندگی تجربیات فردی در طول عمر فرد اشاره دارد.با توجه به اصلاح قرار گرفتن در معرض ، شناسایی قرار گرفتن در معرض خطر در یک بیماری برای مداخله مؤثر و پیشگیری از بیماری بسیار مهم است.با این حال ، روشهای تحلیلی سنتی برای ضبط پیچیدگی های داده های قرار گرفتن در معرض تلاش می کنند: اثرات غیرخطی ، قرار گرفتن در معرض همبستگی و تعامل بالقوه با اثرات ژنتیکی.برای پرداختن به این چالش ها و برآورد دقیق اثرات قرار گرفتن در معرض بر روی بیماریهای پیچیده ، ما DeepExpoke ، یک چارچوب یادگیری عمیق که دو نوع ویژگی حذفی را ادغام می کند ، توسعه دادیم: حذفی آماری (Statko) و نمره خطر پلی ژنیک به عنوان حذفی (PRSKO).Deepexpoke-Statko همبستگی قرار گرفتن در معرض و DeepExpoke-prsko را جدا می کند ، اثرات ژنتیکی را جدا می کند ، در حالی که هر دو می توانند اثرات غیرخطی را ضبط کنند.ما برای پیش بینی نتایج دو بیماری مهم با علت و ارائه بالینی متمایز از DeepExpoke استفاده کردیم: سپسیس و بیماری قلبی عروق کرونر (CHD) ، عملکرد آن را در مقایسه با روشهای یادگیری ماشین موجود نشان می دهد.علاوه بر این ، هر دو DeepExpoke-prsko و Deepexpoke-Statko متابولیت های مانند گلوکز و تری گلیسیریدها را به عنوان عوامل خطر برای سپسیس شناسایی کردند و اظهار داشتند که اثرات آنها در درجه اول در سطح غیر ژنتیکی است ، مطابق با نقش متابولیت ها در پاسخ به عوامل محیطی.علاوه بر این ، DeepExpoke-prsko منحصر به فرد آسم را به عنوان یک عامل خطر سپسیس شناسایی کرده و نشان می دهد که تأثیر آن تا حدی در سطح ژنتیکی است ، و بینش هایی در مورد ارتباطات متناقض مشاهده شده بین مطالعات داده های ژنوم و تجزیه و تحلیل داده های بیمار در مورد آسم و خطر سپسیس ارائه می دهد.به طور کلی ، DeepExpoke یک رویکرد جدید DNN را برای شناسایی و تفسیر عوامل خطر قرار گرفتن در معرض ارائه می دهد و درک ما از بیماریهای پیچیده را پیش می برد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.