構造列挙と最適化に基づく化合物と代謝ネットワークの解析法

点击翻译按钮获取中文摘要

本研究は計画の通り、現在までに(1)「大規模代謝ネットワークの頑健性のモデル化」の引き続きとして、機械学習による新たな解析手法の提案・実装を行った。(2)「整数計画法による木の分割型文法圧縮」を改良するために、効率の良い新たな解析手法の提案・実装・計算機実験・論文化を行った。(1)に関しては、代謝ネットワークの頑健性解析における提案した指標FBIDを改良し、新指標のweighted-FBID及び学習的FBIDを提案した。改良した指標weighted-FBIDについて、ネットワークのcentrality及びbetweennessの概念を導入し、それぞれのcentrality-FBID及びbetweenness-FBIDを定義した。更に線形SVMを用いて交差検証法によるFBIDを学習し、新たな学習的FBIDを提案した。計算機実験として、実際の代謝ネットワークデータを用いて遺伝子ノックアウトによる改良した指標を計算し、各遺伝子の重要度の予測を行った。(2)に関しては、生体内の異なる化合物の共通構造探索のために、与えられた複数の順序木及び無順序木に対してそれらの木のみ全てを生成するような最小の文法を見つける問題を考えた。そのために現在まで提案した整数計画法を改良し、複数の木構造的データに対する効率の良い圧縮法を提案した。生体内で細胞接着や抗原抗体反応などに重要な役割を果たす糖鎖などの木構造データを無順序木として計算機実験を行い、興味深い結果を得た。順序木に対しては異なるファミリからRNA二次構造を選択し、計算機実験を行った。更に過去に提案した手法との比較を行い、本研究で提案した複数木圧縮法の正確性及び効率性を検証した。以上の(1)の研究に対してはより多くの計算機実験を行い、改良した指標の評価及び論文化をする予定である。(2)の研究成果をまとめて論文を作成し、論文誌に投稿した。