Active and Multi-View Machine Learning for microRNA Prediction
Notice bibliographique
Résumé
MicroRNA (miRNA) are short, non-coding RNAs involved in cell regulation at posttranscriptional and translational levels.MiRNA act on messenger RNA through a silencing mechanism, affecting biological activities such as cell cycle control, biological development, differentiation, and stress response.Experimental validation of predicted miRNA is a time and cost expensive procedure, as it requires wet-lab experiments.Therefore, a variety of computational approaches have been developed to increase prediction accuracy and reduce validation costs.While these methods are highly effective, they require large labelled training data sets, which are often not available for many species.Simultaneously, emerging wet-lab experimental procedures are becoming available that produce large unlabelled data sets of genomic sequence and RNA expression profiles.Existing methods are unable to leverage these unlabelled data.This thesis explores two emerging trends in semi-supervised machine learning to maximize the utility of both labelled and unlabelled training data.Specifically, this thesis explores the application of active learning and multi-view co-training to microRNA prediction for the first time.Results show that our active learning approach is able to greatly improve classification performance using a small number of labeled instances, outperforming state-of-the-art methods under equivalent training data constraints.Multi-view co-training results also demonstrate improved performance compared to single view classifiers and yield high classification performance using a minimum number of labeled instances for classification.This thesis demonstrates that semi-supervised machine learning is likely be useful in creating predictors of novel miRNA, particularly for species where few training exemplars are available.mRNA Messenger RNA NGS Next Generation Sequencing RNA Ribonucleic
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».