ゲノム配列の高次圧縮・索引構築と高次幾何構造解析による知識発見

通过基因组序列的高阶压缩和索引构建以及高阶几何结构分析进行知识发现

• 批准号: 14015204
• 负责人: 定兼 邦彦
• 金额: $ 2.3万
• 依托单位: Tohoku 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: 2002
• 资助国家: 日本
• 起止时间: 2002 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-14015204/
• 关键词: ゲノムデータベース; ゲノム配列; 索引構造; 接尾辞配列; データ圧縮; 相関ルール

ゲノムデータベースからの知識発見のためのアルゴリズムとデータ構造に関する研究を行った.まず,ゲノム配列データベースからの高速パタン検索のアルゴリズムとデータ構造を開発した.索引としては既存の圧縮接尾辞配列を用いたが,新しいアルゴリズムにより従来の30倍の速度での検索が可能になった.次に,2つの長いゲノム配列のアラインメントを計算するための手法である,MUM(Maximal Unique Match)を列挙する省スペースなアルゴリズムを開発した.配列の長さをnとすると,既存手法ではO(n log n)ビットのスペースが必要であったが,本研究ではこれをO(n)ビットに圧縮した.これにより,ヒトの全DNA配列2つのMUMの計算がメモリ4GBのPC1台を用いて約6時間で計算できた.また,ヒトとマウスの間の共通部分については約24時間で計算できた.データベースからの知識発見のために,データベース中の複数の属性間の最適相関ルールを求める高速アルゴリズムを開発した.最適とは,支持率を固定した場合の最大確信度ルールまたは確信度を固定したときの最大支持率ルールを表す.従来手法では2値属性のみしか効率良く扱えなかったが,本研究の手法では数値属性に対して効率良く動作する.また,数値属性間の最適相関ルールを拡張し,様々な確信度に対する最適領域をピラミッド型の図形で表現する方法を提案し,その効率の良い計算法を提案した.これを最適ピラミッドによる相関ルール表現と呼ぶ.これを用いることでデータベースから抽出した知識を簡潔に表現することができ,過学習の回避もできる.また,ピラミッドを用いてデータの可視化を行うこともできる.

ゲ ノ ム デ ー タ ベ ー ス か ら の knowledge 発 see の た め の ア ル ゴ リ ズ ム と デ ー タ tectonic に masato す る を line っ た. ま ず, ゲ ノ ム match column デ ー タ ベ ー ス か ら の high-speed パ タ ン 検 cable の ア ル ゴ リ ズ ム と デ ー タ tectonic を open 発 し た. Index と し て は existing の 圧 shrink tail quit mating by い を た が, new し い ア ル ゴ リ ズ ム に よ り 従 to 30 times の の speed で の 検 cable が may に な っ た. Long time に, 2 つ の い ゲ ノ ム Match column の ア ラ イ ン メ ン ト を computing す る た め の gimmick で あ る, MUM (Maximal Unique Match) を column 挙 す る province ス ペ ー ス な ア ル ゴ リ ズ ム を open 発 し た. The sequence length is さをnとすると, and the existing technique is で さを O(n log N) ビ ッ ト の ス ペ ー ス が necessary で あ っ た が, this study で は こ れ を O (n) ビ ッ ト に 圧 shrinkage し た. こ れ に よ り, ヒ ト の DNA full column 2 つ の MUM の computing が メ モ リ 4 gb の PC1 を used い て で calculation about six time で き た. ま た, ヒ ト と マ ウ ス の の between common part に つ い て は about 24 で calculation time で き た. デ ー タ ベ ー ス か ら の knowledge 発 see の た め に, デ ー タ ベ ー ス の の plural の attribute in the optimal phase masato ル ー ル を o め る high-speed ア ル ゴ リ ズ ム を open 発 し た. Optimum と は を approval ratings of fixed し た occasions の maximum sure degree ル ー ル ま た は confidence level を fixed し た と き の biggest support ル ー ル す を table. 従 to technique で は 2 numerical attributes の み し か sharper rate good く Cha え な か っ た が, this study の gimmick で は the numerical attributes に し seaborne て sharper rate good く action す る. ま た, the numerical attributes between the optimal phase masato の ル ー ル を company, zhang し, others 々 な confidence level に す seaborne る optimum field を ピ ラ ミ ッ ド type の 図 performance form で す る method proposed を し, そ の を い の good working rate calculation method Case し た. こ れ を optimum ピ ラ ミ ッ ド に よ る phase masato ル ー ル performance と ぶ. こ れ を with い る こ と で デ ー タ ベ ー ス か ら spare し た knowledge を concise に performance す る こ と が で き, through learning の avoid も で き る. ま た, ピ ラ ミ ッ ド を with い て デ ー タ の visual line を う こ と も で き る.

项目成果

Y.Morimoto, T.Fukuda, T.Tokuyama: "Algorithms for Finding Attribute Value Group for Binary Segmentation of Categorical Databases"IEEE Transactions on Knowledge and Data Engineering. Vol.14 No.6. 1269-1279 (2002)

Y.Morimoto、T.Fukuda、T.Tokuyama：“用于分类数据库二进制分割的属性值组查找算法”IEEE 知识与数据工程汇刊。

W.K.Hon, K.Sadakane: "Space-economical Algorithms for Finding Maximal Unique Matches"Proceedings of Combinatorial Pattern Matching. LNCS 2373. 144-152 (2002)

W.K.Hon, K.Sadakane：“寻找最大唯一匹配的空间经济算法”组合模式匹配论文集。

K.Sadakane: "Experimental Results on the Compressed Suffix Array for Human DNA"DIMACS Working Group Meeting on Data Compression in Networks and Applications. (2002)

K.Sadakane：“人类 DNA 压缩后缀数组的实验结果”网络和应用程序数据压缩 DIMACS 工作组会议。

K.Sadakane: "Succinct Representations of lcp Information and Improvements in the Compressed Suffix Arrays"Proceedings of ACM-SIAM Symposium on Discrete Algorithms. 144-152 (2002)

K.Sadakane：“lcp 信息的简洁表示和压缩后缀数组的改进”ACM-SIAM 离散算法研讨会论文集。

T.W.Lam, K.SADAKANE, W.K.Sung, S.M.Yiu: "A Space and Time Efficient Algorithm for Constructing Compressed Suffix Arrays"Proceedings of International Computing and Combinatorics Conference. LNCS2387. 401-410 (2002)

T.W.Lam、K.SADAKANE、W.K.Sung、S.M.Yiu：“构建压缩后缀数组的空间和时间高效算法”国际计算与组合学会议论文集。