機械学習と機械発見による生物情報の概念形成

点击翻译按钮获取中文摘要

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.