知識情報処理的手法を用いたDNAチップからの遺伝子ネットワーク解析

使用知识信息处理方法对 DNA 芯片进行基因网络分析

• 批准号: 15014226
• 负责人: 花井 泰三
• 金额: $ 3.52万
• 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: 2003
• 资助国家: 日本
• 起止时间: 2003 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-15014226/
• 关键词: ゲノム; マイクロアレイ; 発現制御; 微生物; シミュレーション工学; クラスタリング

本年度の研究計画に基づいて以下のような研究業績をあげました。(1)DNAマイクロアレイによる遺伝子発現量測定DNAマイクロアレイを用いて、大腸菌または酵母に外部より刺激を加えた際の、発現遺伝子量を測定した。刺激により反応が大きく異なり、発現量が大きな遺伝子の中には機能未知なものが含まれていることも観察できた。(2)Fuzzy k-means clusteringによる発現遺伝子のグループ化(クラスタリング)時系列マイクロアレイデータに対して、従来から行われている統計的手法のk-means clusteringと今回あらたに適用するFuzzy k-means clustering(k-means clusteringにFuzzy推論を適応した方法)による解析を行った。DNAマイクロアレイデータには実験ノイズが多く、解析の際大きな問題となる。このため、酵母胞子形成関連45遺伝子の胞子形成時の時系列DNAマイクロアレイデータに対して人工的にノイズを追加し、ノイズなしのクラスタリング結果とノイズ付加クラスリング結果を比較した。この結果、k-means clusteringではノイズあり・なしで50%程度の再現率しか得られない高ノイズ付加の場合でも、Fuzzy k-means clusteringは80%以上の再現率を有しており、ノイズに対して強い抵抗力を持つことが確認できた。胞子形成とは無関係の数種類の遺伝子の時系列DNAマイクロアレイデータを上記45遺伝子に追加して、k-means clusteringおよびFuzzy k-means clusteringを行った。k-means clusteringでは今まで形成されたクラスタと大きく異なる結果が得られたが、Fuzzy k-means clusteringでは帰属度の大きな遺伝子のみに注目すれば、新たに追加したデータの影響は小さく、45遺伝子のみでクラスタリングした結果とほほ同じクラスタが得られた。この結果、ある生物学的現象時のマイクロアレイ実験などで得られる多くの遺伝子データに対してクラスタリングを行っても、その現象に関係のない遺伝子の影響はあまり受けず、現象に中心的な働きを持つ遺伝子がうまく得られるであろうと考えられた。このため、Fuzzy k-means clusteringは発現遺伝子のクラスタリングの強力なツールであると考えられた。

This year's research plan is based on the following research results: (1) Determination of the amount of DNA fragments produced by the external stimulation of Escherichia coli and yeast. The stimulus is different, the amount is different, the function is unknown, the content is different, the detection is different. (2)Fuzzy k-means clustering (k-means clustering) is applied to the analysis of the statistical methods of k-means clustering(k-means clustering). DNA analysis is a problem. The time series of yeast spore formation related to 45 genes and spore formation was added to the artificial DNA sequence, and the results were compared. As a result, k-means clustering can be used to determine the reproducibility of 50% or more, and Fuzzy k-means clustering can be used to determine the reproducibility of 80% or more. Spore formation and the number of unrelated species of DNA sequence are recorded in the above 45 gene sequences, and k-means clustering and Fuzzy k-means clustering are added. k-means clustering is now the result of a large number of different results, Fuzzy k-means clustering is the result of a large number of different results, new results are added to the result of a small number of results, Fuzzy k-means clustering is the result of a large number of results, fuzzy k-means clustering is the result of a large number of results. The result is that the phenomenon of biology is affected by the phenomenon of time and space, and the phenomenon of time is affected by the phenomenon of time and space. This is a Fuzzy k-means clustering problem.

项目成果

Kazumi Hakamada et al.: "Clustering Method Based on Onset and Cessation of Gene Expression"Genome Informatics. 14. 330-331 (2003)

Kazumi Hakamada 等人：“基于基因表达开始和停止的聚类方法”基因组信息学。

Chihoko Tago et al.: "Prognosis prediction by microarray gene expression using Support Vector Machine"Genome Informatics. 14. 324-325 (2003)

Chihoko Tago 等人：“使用支持向量机通过微阵列基因表达进行预后预测”基因组信息学。

Yoshihiko Tashima et al.: "Kinetics Behavior of G1-to-S Cell Cycle Phase Transition Model"Genome Informatics. 14. 607-608 (2003)

Yoshihiko Tashima 等人：“G1-to-S 细胞周期相变模型的动力学行为”基因组信息学。

Chinatsu Arima et al.: "Gene Expression Analysis Using K-means Clustering"Genome Informatics. 14. 334-335 (2003)

Chinatsu Arima 等人：“使用 K 均值聚类进行基因表达分析”基因组信息学。

Taizo Hanai et al.: "Prediction of prognosis for patients with nonsmall cell lung carcinoma from pathological immunohistological items using an artificial neural network"Cancer Science. 94・5. 473-477 (2003)

Taizo Hanai 等：“使用人工神经网络根据病理免疫组织学项目预测非小细胞肺癌患者的预后”Cancer Science 94・5（2003）。