Advanced Studies and Developments on Discrete Preimage Problems

离散原像问题的最新研究与进展

基本信息

批准号：
22H00532
负责人：
阿久津達也
金额：
$ 26.46万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (A)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2027-03-31
项目状态：
未结题

项目摘要

(1) これまで化学構造に対する離散原像問題を解くため、整数計画法とニューラルネットワークを組み合わせた方法論を開発してきたが、その方法論をさらに発展させた。その一つは特徴量をそのまま用いるだけでなく特徴量の対を用いるという方法論であり、それを整数計画問題として定式化するために新たな工夫を行った。また、繰り返し構造をもつポリマーの設計のため、線形回帰と整数計画法を組み合わせた設計手法も開発した。いずれについても計算機実験によりその有効性を示した。(2) 以前より線形閾値関数を活性化関数とする階層型ニューラルネットワークに基づく自己符号化器の圧縮率と頂点数、階層数の関係の理論解析を行ってきたが、今年度は、これまに得た頂点数に関する上限を改良するとともに、新たに下限を導出した。さらに、誤差を許して復号化するという問題設定について検討を行い、この場合、少しではあるがさらに上限を改良できることを示した。(3) タンパク質の設計のためには、タンパク質間の結合において重要な役割を果たすhot spotという領域を推定することが有用と考えられる。そこで、結合しているタンパク質対の立体構造から、それをグラフ構造に変換し、そのグラフ中で密度の高い領域を検出することにより hot spot を推定するという手法を、線形計画法や整数計画法を用いて開発した。そして、計算機実験による既存手法などとの比較により、その有効性を示した。(4) 配列データ設計のためには、配列の機能部位を検出することが有用であると考えられる。今回は与えられたDNA配列から、ある種のメチル化部位を推定するための手法を畳み込みニューラルネットワークに基づき開発した。そのために比較的単純であるが新規なネットワーク構造を設計し、計算機実験により既存手法より優れた予測率を持つことを示した。

（1）过去，我们开发了一种结合整数编程和神经网络的方法，以解决化学结构的离散原始图像问题，并进一步开发了这种方法。其中之一是一种方法，它不仅使用特征数量，而且还使用特征量对，并且已经提出了新的想法来将它们作为整数编程问题。此外，我们开发了一种设计方法，该方法结合了线性回归和整数编程，用于具有重复结构的聚合物的设计。两者都通过计算机实验证明。（2）我们先前曾使用线性阈值函数作为激活函数基于分层神经网络的压缩率，顶点和自我编码器层数之间的关系进行了理论分析。今年，我们改善了迄今为止获得的顶点的上限，并获得了新的下限。此外，我们已经检查了使用错误解码的问题设定，并表明在这种情况下，可以进一步改善上限，尽管有点。（3）对于蛋白质设计，它被认为对估计称为热点的区域很有用，该区域在蛋白质之间的结合中起着重要作用。因此，使用线性和整数编程开发了一种方法，以通过将结合蛋白对的三维结构转换为图结构并检测图中的密集区域来估算热点。通过使用计算机实验将它们与现有方法进行比较，证明了它们的有效性。（4）对于设计序列数据，它被认为可用于检测序列的功能位点。在本文中，我们开发了一种基于卷积神经网络的给定DNA序列的某些甲基化位点的方法。因此，设计了一个相对简单但新颖的网络结构，计算机实验表明，它比现有方法具有更好的预测率。