In regression, the desired estimate of y|x is not always given by a conditional mean, although this is most common. Sometimes one wants to obtain a good estimate that satisfies the property that a proportion, τ, of y|x, will be below the estimate. For τ = 0.5 this is an estimate of the median. What might be called median regression, is subsumed under the term quantile regression. We present a nonparametric version of a quantile estimator, which can be obtained by solving a simple quadratic programming problem and provide uniform convergence statements and bounds on the quantile property of our estimator. Experimental results show the feasibility of the approach and competitiveness of our method with existing ones. We discuss several types of extensions including an approach to solve the quantile crossing problems, as well as a method to incorporate prior qualitative knowledge such as monotonicity constraints.

Diffuse lower-grade gliomas (LGGs) are genetically classified into 3 distinct subtypes based on isocitrate dehydrogenase (IDH) mutation status and codeletion of chromosome 1p and 19q (1p/19q). However, the subtype-specific effects of additional genetic lesions on survival are largely unknown.Using Cox proportional hazards regression modeling, we investigated the subtype-specific effects of genetic alterations and clinicopathological factors on survival in each LGG subtype, in a Japanese cohort of LGG cases fully genotyped for driver mutations and copy number variations associated with LGGs (n = 308). The results were validated using a dataset from 414 LGG cases available from The Cancer Genome Atlas (TCGA).In Oligodendroglioma, IDH-mutant and 1p/19q codeleted, NOTCH1 mutations (P = 0.0041) and incomplete resection (P = 0.0019) were significantly associated with shorter survival. In Astrocytoma, IDH-mutant, PIK3R1 mutations (P = 0.0014) and altered retinoblastoma pathway genes (RB1, CDKN2A, and CDK4) (P = 0.013) were independent predictors of poor survival. In IDH-wildtype LGGs, co-occurrence of 7p gain, 10q loss, mutation in the TERT promoter (P = 0.024), and grade III histology (P < 0.0001) independently predicted poor survival. IDH-wildtype LGGs without any of these factors were diagnosed at a younger age (P = 0.042), and were less likely to have genetic lesions characteristic of glioblastoma, in comparison with other IDH-wildtype LGGs, suggesting that they likely represented biologically different subtypes. These results were largely confirmed in the cohort of TCGA.Subtype-specific genetic lesions can be used to stratify patients within each LGG subtype. enabling better prognostication and management.

Because inorganic solid electrolytes are one of the key components for application to all-solid-state batteries, high-ionic-conductivity materials must be developed. Therefore, we propose a method of efficiently evaluating the activation energy of ionic diffusion by calculating a potential-energy surface (PES), searching for the optimal diffusion path by an algorithm developed using dynamic programming (DP), and calculating the corresponding activation energy by the nudged elastic band (NEB) method. Taking beta-Li3PS4 as an example, the activation energy of Li-ion diffusion was calculated as 0.43, 0.25, and 0.40 eV in the a-, b-, and c-axis directions, respectively, which is in good agreement with previously reported values. By comprehensively searching for the lowest energy path by PES-DP, the arbitrariness of the path selection can be eliminated, and the activation energy must only be calculated using the NEB method a few times, which greatly reduces the computational cost required for evaluating activation energy and enables the high-throughput screening of solid state electrolytes.

Abstract Cyclones can cause mass mortality of seabirds, sometimes wrecking thousands of individuals. The few studies to track pelagic seabirds during cyclones show they tend to circumnavigate the strongest winds. We tracked adult shearwaters in the Sea of Japan over 11 years and find that the response to cyclones varied according to the wind speed and direction. In strong winds, birds that were sandwiched between the storm and mainland Japan flew away from land and towards the eye of the storm, flying within ≤ 30 km of the eye and tracking it for up to 8 hours. This exposed shearwaters to some of the highest wind speeds near the eye wall (≤ 21 m s -1 ), but enabled them to avoid strong onshore winds in the storm’s wake. Extreme winds may therefore become a threat when an inability to compensate for drift could lead to forced landings and collisions. Birds may need to know where land is in order to avoid it. This provides additional selective pressure for a map sense and could explain why juvenile shearwaters, which lack a map sense, instead navigating using a compass heading, are susceptible to being wrecked. We suggest that the ability to respond to storms is influenced by both flight and navigational capacities. This may become increasingly pertinent due to changes in extreme weather patterns. Significance Statement Cyclones can cause billions of dollars of damage and loss of human life. They can also cause mass mortality and strandings in seabirds. We used GPS tracking data from streaked shearwaters breeding in the world’s most active cyclone basin to understand how seabirds respond to these systems. Birds varied their response according to the wind speed and direction, generally flying towards the eye of the cyclone in strong winds. This surprising strategy enables dynamic soaring birds to control their exposure to risky wind vectors that could drift them onshore. Nonetheless, birds may need to know where land is in order to avoid it. Juveniles lack this “map sense”, making them susceptible to wrecking in some scenarios.

Abstract Microbial rhodopsins are photoreceptive membrane proteins utilized as molecular tools in optogenetics. In this paper, a machine learning (ML)-based model was constructed to approximate the relationship between amino acid sequences and absorption wavelengths using ~800 rhodopsins with known absorption wavelengths. This ML-based model was specifically designed for screening rhodopsins that are red-shifted from representative rhodopsins in the same subfamily. Among 5,558 candidate rhodopsins suggested by a protein BLAST search of several protein databases, 40 were selected by the ML-based model. The wavelengths of these 40 selected candidates were experimentally investigated, and 32 (80%) showed red-shift gains. In addition, four showed red-shift gains > 20 nm, and two were found to have desirable ion-transporting properties, indicating that they were potentially useful in optogenetics. These findings suggest that an ML-based model can reduce the cost for exploring new functional proteins.

The light-dependent ion-transport function of microbial rhodopsin has been widely used in optogenetics for optical control of neural activity. In order to increase the variety of rhodopsin proteins having a wide range of absorption wavelengths, the light absorption properties of various wild-type rhodopsins and their artificially mutated variants were investigated in the literature. Here, we demonstrate that a machine-learning-based (ML-based) data-driven approach is useful for understanding and predicting the light-absorption properties of microbial rhodopsin proteins. We constructed a database of 796 proteins consisting of microbial rhodopsin wildtypes and their variants. We then proposed an ML method that produces a statistical model describing the relationship between amino-acid sequences and absorption wavelengths and demonstrated that the fitted statistical model is useful for understanding colour tuning rules and predicting absorption wavelengths. By applying the ML method to the database, two residues that were not considered in previous studies are newly identified to be important to colour shift.

The 11 March 2011 Great East Japan Earthquake generated a massive tsunami that triggered an extraordinary release of floating transoceanic marine debris. That floating debris subsequently landed on coastlines from Midway Atoll to the Hawaiʻian Islands and from south central Alaska to central California of North America. Two species of Caprella (Crustacea: Amphipoda: Caprellidae) were collected from a large concrete fisheries dock (approximately 20 m length) that was part of the floating debris, on Agate Beach, near Newport, Oregon, USA, on 5 June 2012. The caprellids recovered from the dock are identified as Caprella cristibrachium Mayer, 1903 and C. mutica Schurin, 1935. Caprella cristibrachium had not been observed previously outside of the Bering Sea to the Far East Asia. The robust body somites and short antennae and basis of gnathopod 2 make C. cristibrachium suitable for attaching the filamentous macroalgae and/or marine invertebrates on the large tsunami fishing dock. Caprella mutica, originally recorded from the Far East Asia, was previously introduced to Oregon, to other cold-water areas between northern California and Alaska, the eastern and western North Atlantic and to the southern hemisphere.

Cutting-edge technologies such as genome editing and synthetic biology allow us to produce novel foods and functional proteins. However, their toxicity and allergenicity must be accurately evaluated. Allergic reactions are caused by specific amino-acid sequences in proteins (Allergen Specific Patterns, ASPs), of which, many remain undiscovered. In this study, we introduce a data-driven approach and a machine-learning (ML) method to find undiscovered ASPs. The proposed method enables an exhaustive search for amino-acid sub-sequences whose frequencies are statistically significantly higher in allergenic proteins. As a proof-of-concept (PoC), we created a database containing 21,154 proteins of which the presence or absence allergic reactions are already known, and the proposed method was applied to the database. The detected ASPs in the PoC study were consistent with known biological findings, and the allergenicity prediction accuracy using the detected ASPs was higher than extant approaches. Teaser We propose a computational method for finding statistically significant allergen-specific amino-acid sequences in proteins.

We propose a criterion for grading follicular lymphoma that is consistent with the intuitive evaluation, which is conducted by experienced pathologists. A criterion for grading follicular lymphoma is defined by the World Health Organization (WHO) based on the number of centroblasts and centrocytes within the field of view. However, the WHO criterion is not often used in clinical practice because it is impractical for pathologists to visually identify the cell type of each cell and count the number of centroblasts and centrocytes. Hence, based on the widespread use of digital pathology, we make it practical to identify and count the cell type by using image processing and then construct a criterion for grading based on the number of cells. Here, the problem is that labeling the cell type is not easy even for experienced pathologists. To alleviate this problem, we build a new dataset for cell type classification, which contains the pathologists' confusion records during labeling, and we construct the cell type classifier using complementary-label learning from this dataset. Then we propose a criterion based on the composition ratio of cell types that is consistent with the pathologists' grading. Our experiments demonstrate that the classifier can accurately identify cell types and the proposed criterion is more consistent with the pathologists' grading than the current WHO criterion.