機械学習と機械発見による生物情報の概念形成

通过机器学习和机器发现形成生物信息的概念

基本信息

批准号：
08283217
负责人：
篠原歩
金额：
$ 1.92万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
1996
资助国家：
日本
起止时间：
1996 至无数据
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-08283217/
关键词：
ゲノム情報機械学習機械発見

项目摘要

本研究は,塩基配列やアミノ酸配列等の配列データに対して,その中の機能部位や機能領域を予測できるシステムを構築するための体系的な方式を研究し,実用的な領域予測システムを実働化することを目的とする.この目的を達成するために,我々は以下の項目に力点をおいて研究を展開した.(1)領域予測問題の抽象化と定式化.(2)領域予測アルゴリズムの開発.(3)上記アルゴリズムの理論的基礎.(4)計算機実験による上記アルゴリズムの評価.まず,文字列情報の中の特定の機能部位を同定する問題を,文字列の長さを保存する関数のクラスの学習問題として定式化した.そして,その関数の学習アルゴリズムとして,重み付き投票アルゴリズム(WM)を拡張したアルゴリズム(WM^*)を開発した.WMは,複数の予測アルゴリズムを統合して,よりよい精度で予測が行えることを指向するものであり,プールの中の各予測アルゴリズムに予測を投票させ,その投票結果によって全体的な判断を下すものである.我々の拡張によるWM^*は,おのおのの予測アルゴリズムが投票を棄権することを認めるものである.このことにより,直観的には,各予測アルゴリズムは自信のない予測については棄権によって発言権の低下を防ぐことができると期待される.実際に我々は,WM^*による予測の方がWMによる予測よりも原理的に優れていることを理論的に証明した.さらに,このWM^*を組み込んだ領域予測システムHAKKEのプロトタイプを作成し,アミノ酸配列データからのαヘリックス部位の同定問題と,膜貫通部位の同定問題に対する計算機実験によって,この優位性を検証することに成功した.この理論的解析および計算機実験の結果から,我々の提案するWM^*アルゴリズムは複数の戦略を統合する予測アルゴリズムとして従来のWMよりも優れていることが確認できた.

本研究探讨了构建可预测核苷酸序列和氨基酸序列等序列数据中的功能位点和功能区域的系统的系统方法，并实现了实用的区域预测系统。为了实现这一目标，我们将研究重点放在以下方面。项目：（1）区域预测问题的抽象和表述（2）区域预测算法的开发（3）上述算法的理论基础。首先，我们将识别字符串信息中的特定功能部分的问题表述为保留字符串长度的一类函数的学习问题。然后，我们为该函数开发了一种学习算法。因此，我们开发了一种算法。 (WM^*)是加权投票算法(WM)的扩展。WM是一种旨在通过集成多种预测算法来做出更准确预测的算法。 WM^* 是 WM^* 的扩展，允许各个预测算法弃权。这使得各个预测算法都可以弃权，直观上看，各个预测算法都希望能够通过防止话语权下降。事实上，我们发现基于WM^*的预测在原理上比基于WM的预测更有效，理论上证明它是优越的。此外，我们创建了包含该WM^*的区域预测系统HAKKE的原型，并通过计算机实验验证了其对于从氨基酸序列数据中识别α螺旋位点的问题和从氨基酸序列数据中识别跨膜位点的问题的优越性。通过理论分析和计算机实验的结果，我们证实我们提出的 WM^* 算法作为集成多种策略的预测算法优于传统的 WM。