BioinformaticsAndMe

Datasets and Applications of Machine Learning to the Coronavirus [4] Start

BioinformaticsAndMe

코로나바이러스 머신러닝 데이터셋 및 앱

[1] 항바이러스성 약물 연구 촉진을 위한, 단백질 구조 및 화합물 상호작용 예측

[2] 정확한 자원 조달과 대응을 위한, 감염률 및 환자 예후 예측

[3] 의료영상에서 병변 이미지 진단 보조

[4] 소셜미디어 데이터에 기반한 바이러스 확산, 증상 예측 및 대중적 이해도 조사

소셜미디어 데이터에 기반한 바이러스 확산, 증상 예측 및 대중적 이해도 조사

: 코로나 바이러스에 대한 정보를 얻기 위해, 소셜미디어 데이터마이닝에 집중함

: 소셜미디어는 일반 대중의 증상과 확산에 대한 자세한 정보를 포함할 가능성이 높음

: 코로나 바이러스 추적을 위해, 효과적인 소셜미디어 데이터마이닝 기법과 데이터셋을 소개함

1. A review of influenza detection and prediction through social networking sites

2. Forecasting Influenza Levels using realtime social media streams

3. Regional Influenza Prediction with Sampling Twitter Data

4. 데이터셋

#Reference

1) https://towardsdatascience.com/machine-learning-methods-to-aid-in-coronavirus-response-70df8bfc7861

2) https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5793414/

3) https://www.scholars.northwestern.edu/en/publications/forecasting-influenza-levels-using-real-time-social-media-streams

4) https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=8&ved=2ahUKEwiS4OG_y6DoAhWYlHIEHWBgDGIQFjAHegQIBxAB&url=https%3A%2F%2Fwww.mdpi.com%2F1660-4601%2F17%2F3%2F678%2Fpdf&usg=AOvVaw28lUY2oEaS9FCUQR6UF6Tf

5) https://www.kaggle.com/smid80/coronavirus-covid19-tweets

Datasets and Applications of Machine Learning to the Coronavirus [4] End

BioinformaticsAndMe

Datasets and Applications of Machine Learning to the Coronavirus [3] Start

BioinformaticsAndMe

코로나바이러스 머신러닝 데이터셋 및 앱

[1] 항바이러스성 약물 연구 촉진을 위한, 단백질 구조 및 화합물 상호작용 예측

[2] 정확한 자원 조달과 대응을 위한, 감염률 및 환자 예후 예측

[3] 의료영상에서 병변 이미지 진단 보조

[4] 소셜미디어 데이터에 기반한 바이러스 확산, 증상 예측 및 대중적 이해도 조사

의료영상에서 코로나 바이러스 진단 보조

: X-ray 또는 CT 스캔에서 코로나 바이러스 폐렴 사례를 검사하여, 진단 시간을 줄이고 향상된 치료 가이드라인 제공

: 방대한 환자들을 감당하는 전문의는 한정적이므로, 이미지 관련 딥러닝을 보조 수단으로 활용 가능

: 아래의 논문들은 의료영상으로 바이러스에 대한 통찰력을 넓히기 위한 데이터셋과 학습 기법을 소개함

1. Deep learning-based model for detecting 2019 novel coronavirus pneumonia on high-resolution computed tomography

2. A deep learning algorithm using CT images to screen for CoronaVirus Disease (COVID-19)

3. Deep Learning System to Screen Coronavirus Disease 2019 Pneumonia

4. 데이터셋

#Reference

1) https://towardsdatascience.com/machine-learning-methods-to-aid-in-coronavirus-response-70df8bfc7861

2) https://www.medrxiv.org/content/10.1101/2020.02.25.20021568v2.full.pdf

3) https://www.medrxiv.org/content/10.1101/2020.02.14.20023028v5.full.pdf

4) https://arxiv.org/ftp/arxiv/papers/2002/2002.09334.pdf

5) https://en.wikipedia.org/wiki/U-Net

6) https://github.com/ieee8023/covid-chestxray-dataset

Datasets and Applications of Machine Learning to the Coronavirus [3] End

BioinformaticsAndMe

Datasets and Applications of Machine Learning to the Coronavirus [2] Start

BioinformaticsAndMe

코로나바이러스 머신러닝 데이터셋 및 앱

[1] 항바이러스성 약물 연구 촉진을 위한, 단백질 구조 및 화합물 상호작용 예측

[2] 정확한 자원 조달과 대응을 위한, 감염률 및 환자 예후 예측

[3] 의료영상에서 병변 이미지 진단 보조

[4] 소셜미디어 데이터에 기반한 바이러스 확산, 증상 예측 및 대중적 이해도 조사

정확한 자원 조달과 대응을 위한, 감염률 및 환자 예후 예측

: 최근 여러 연구진들이 코로나 바이러스 감염률/확산률/예후예측 등의 다양한 모델을 제시하고 있음

: 신빙성 있는 결과를 얻기 위해, attention learning 및 transfer learning 등의 딥러닝 모델을 사용함

*attention learning

*transfer learning

: 아래의 논문들은 코로나 바이러스 예측에 필요한 데이터셋과 학습 기법을 소개함

1. Prediction of criticality in patients with severe Covid-19 infection using three clinical features

2. Finding an Accurate Early Forecasting Model from Small Dataset

3. 데이터셋

#Reference

1) https://towardsdatascience.com/machine-learning-methods-to-aid-in-coronavirus-response-70df8bfc7861

2) https://www.medrxiv.org/content/10.1101/2020.02.27.20028027v2

3) https://arxiv.org/abs/2003.10776

4) https://wikidocs.net/22893

5) http://incredible.ai/artificial-intelligence/2017/05/13/Transfer-Learning/?

6) https://github.com/willhaslett/covid-19-growth

7) https://github.com/ThisIsIsaac/Data-Science-for-COVID-19

8) https://github.com/closedloop-ai/cv19index

Datasets and Applications of Machine Learning to the Coronavirus [2] End

BioinformaticsAndMe

Datasets and Applications of Machine Learning to the Coronavirus [1] Start

BioinformaticsAndMe

코로나바이러스 머신러닝 데이터셋 및 앱

[1] 항바이러스성 약물 연구 촉진을 위한, 단백질 구조 및 화합물 상호작용 예측

[2] 정확한 자원 조달과 대응을 위한, 감염률 및 환자 예후 예측

[3] 의료영상에서 병변 이미지 진단 보조

[4] 소셜미디어 데이터에 기반한 바이러스 확산, 증상 예측 및 대중적 이해도 조사

항바이러스성 약물 연구 촉진을 위한, 단백질 구조 및 화합물 상호작용 예측

: 코로나 바이러스에 대한 새로운 항바이러스 약물/백신을 개발하거나, 기존 약물의 적응증 확대를 목표로 둠.

: 단백질 구조와 화합물 사이의 상호작용을 예측하고자 딥러닝기술을 적용함.

: 아래의 데이터셋 및 앱은 합성곱신경망을 사용하여, 분자와 그 상호작용을 모델링하고자 함.

1. Deep Learning Based Drug Screening for Novel Coronavirus 2019-nCov (Zhang, et al.)

2. Predicting commercially available antiviral drugs that may act on the. novel coronavirus (2019-nCoV), Wuhan, China

3. Deepmind

4. 데이터셋

#Reference

1) https://towardsdatascience.com/machine-learning-methods-to-aid-in-coronavirus-response-70df8bfc7861

2) https://www.preprints.org/manuscript/202002.0061/v1

3) https://www.biorxiv.org/content/10.1101/2020.01.31.929547v1

4) https://deepmind.com/research/open-source/computational-predictions-of-protein-structures-associated-with-COVID-19

5) https://www.kaggle.com/paultimothymooney/coronavirus-genome-sequence

6) https://www.kaggle.com/allen-institute-for-ai/CORD-19-research-challenge

7) https://www.chemspider.com/DatasourceDetails.aspx?id=111

Datasets and Applications of Machine Learning to the Coronavirus [1] End

BioinformaticsAndMe

KEGG pathway Start

BioinformaticsAndMe

KEGG(Kyoto Encyclopedia of Genes and Genomes)?

: KEGG pathway는 일본에서 만들어진 생화학 패스웨이 데이터베이스 (1995)

: 생물학 연구 분야에서 가장 많이 인용되는 DB 중 하나로 아래의 정보들에 기반을 둠

ㄱ) Systems information - 생화학 정보들 사이의 네트워크 상호작용 정보

ㄴ) Genomic information - 유전자 및 단백질 수준의 분자 단위 정보

ㄷ) Health information - 생체계에 영향을 주는 질병 및 약물 정보

ㄹ) Chemical information - 화학 물질 수준의 분자 단위 정보

: https://www.genome.jp/kegg/pathway.html

#Reference

1) https://www.genome.jp/kegg/pathway.html

2) https://ko.wikipedia.org/wiki/KEGG

3) https://www.genome.jp/kegg/tool/map_pathway2.html

KEGG pathway End

BioinformaticsAndMe

CGI (Cancer Genome Interpreter) Start

BioinformaticsAndMe

CGI (Cancer Genome Interpreter)?

: CGI는 이미 검증된 암 변이 정보를 제공하고, 알려지지 않은 변이들의 Driver 가능성을 예측해주는 데이터베이스

: 다양한 임상 정보를 근거하여, 약물 반응성 유전체 바이오마커 정보를 제공

: 스페인 'IRB Barcelona'에서 관리

: https://www.cancergenomeinterpreter.org/home

#Reference

1) https://www.cancergenomeinterpreter.org/home

2) https://cancervariants.org/assets/docs/tutorials/CGI.pdf

3) https://blogs.biomedcentral.com/on-medicine/2018/03/29/introducing-the-cancer-genome-interpreter/

CGI (Cancer Genome Interpreter) End

BioinformaticsAndMe

CIVIC (Clinical Interpretation of Variants in Cancer) Start

BioinformaticsAndMe

CIVIC?

: CIVIC(Clinical Interpretations of Variants in Cancer)은 오픈소스 커뮤니티 기반의 암 임상 변이 데이터베이스

: 여러 암들의 Somatic variant, Germline variant에 관련된 진단/치료/예후 정보 제공

: 암 변이에 대한 임상적 evidence를 제공하여, 정밀 의료 시대의 정확한 암 변이 해석을 추구

: https://civicdb.org/home

#Reference

1) https://civicdb.org/home

2) https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5367263/

CIVIC (Clinical Interpretation of Variants in Cancer) End

BioinformaticsAndMe

GWAS Catalog Start

BioinformaticsAndMe

GWAS Catalog

: Genome-wide association studies(GWAS;전장유전체연관분석연구)의 연구 결과들을 종합한 데이터베이스

: 미국 NHGRI(National Human Genome Research Institute) + 유럽 EBI(European Bioinformatics Institute) 주관

: 2019년10월14일 기준으로, 7796개 논문을 기반으로 159202개의 SNP 정보 보유 (p value < 1x10^5)

*Genome Assembly GRCh38.p12, dbSNP Build 151

: Cancer를 포함하여 17개의 인간 형질 범주로 SNP를 분류함

: https://www.ebi.ac.uk/gwas/

#Reference

1) https://www.ebi.ac.uk/gwas/

2) https://en.wikipedia.org/wiki/GWAS_Catalog

3) http://www.incodom.kr/GWASCatalog

4) https://www.revespcardiol.org/en-challenges-controversies-in-hypertrophic-cardiomyopathy-articulo-S1885585717303742

GWAS Catalog End

BioinformaticsAndMe

OncoKB (Precision Oncology Knowledge Base) Start

BioinformaticsAndMe

OncoKB (Precision Oncology Knowledge Base)

: OncoKB는 정밀 종양학 지식 기반으로 암 변이에 따른 약물 치료 효과 정보를 모은 임상 데이터베이스

: 뉴욕 암병원이자 연구기관인 Memorial Sloan Kettering Cancer Center에서 개발

: FDA/NCCN/ASCO/ClinicalTrials.gov/논문 등에서 642개 암 유전자 변이 정보를 모았고, 임상팰로우/교수진들에 의해 검토됨

: https://www.oncokb.org/

#Reference

1) https://www.oncokb.org/

2) https://ascopubs.org/doi/full/10.1200/PO.17.00011

OncoKB (Precision Oncology Knowledge Base) End

BioinformaticsAndMe

Clinvar (Clinically relevant variant) Start

BioinformaticsAndMe

Clinvar

: Clinvar는 인간 유전자 변이와 질병에 대한 해석을 무료로 제공하는 공개 아카이브

: 국립 보건원(National Institutes of Health)에서 유지 관리

: 특정 변이의 임상적 중요성은 임상 시험 실험실, 연구 실험실, 전문가 패널들에 의해 평가됨

: 최근에는 유전자 검사를 받은 개개인의 phenotype 정보 업데이트

Clinvar는 크게 4가지 영역의 정보를 통합

1) Variation

: Variation은 Clinvar 데이터 모델에서 관련 Phenotype을 포함해 여러 정보를 연결짓는 KEY 역할

: 제출된 Variation은 dbSNP와 dbVar에 등록된 변이 위치와 비교됨

*등록된 변이라면, Reference ClinVar (RCV) record에 'rs number'가 추가됨

*새로운 변이라면, dbSNP와 dbVar에 제출되어진 후 고유한 Identifier가 역시 RCV에 추가됨

2) Condition

: Phenotype에 대한 자세한 설명은 MedGen에 근거하여 기술

3) Interpretation

: 변이에 대한 임상적 중요성을 해석

: 해석은 Submitter가 제출 마지막 시점에서 이해한 내용으로 유전 방식, 중증도 등의 여러 지표에 의해 평가

: 임상적 중요성에 대한 용어는 the American College of Medical Genetics and Genomics(ACMG;; 미국의학유전학회)의 가이드라인을 준수

: Submitter들 사이에서 의견이 엇갈리는 특정 변이는 'conflicts' 표시가 존재

#Clinvar 홈페이지

https://www.ncbi.nlm.nih.gov/clinvar/

#Reference

1) https://pdfs.semanticscholar.org/565c/cf9e9b306bc2d8263e35dc54641b129b2eee.pdf

2) https://product-docs.readthedocs.io/en/latest/api_library/system_api/ClinVar/

3) https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5753237/

4) https://slideplayer.com/slide/12904816/

5) https://academic.oup.com/nar/article/42/D1/D980/1051029

6) https://www.acmg.net

7) https://ko.wikipedia.org/wiki/OMIM

Clinvar (Clinically relevant variant) End

BioinformaticsAndMe