ニューラル・ネットワークを利用した超高速並列アルゴリズムによるRNA二次構造予測

使用神经网络超高速并行算法预测 RNA 二级结构

• 批准号: 07780350
• 负责人: 村上 勝彦
• 金额: $ 0.51万
• 依托单位: Toyota Technological Institute
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1995
• 资助国家: 日本
• 起止时间: 1995 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-07780350/
• 关键词: ニューラルネットワーク; RNA二次構造予測; 並列アルゴリズム

RNAの二次構造予測を厳密にデジタルなニューラルネットワーク(以下、NNと略す)を利用して高速つまり計算量が少なく、また安定した生物学的事実と合致するような最適なRNA二次構造予測を行う並列アルゴリズムを考案して、コンピュータシミュレーションによりその有効性を実証し有用な応用プログラムを開発することを研究の目的とする。以下に、研究実績の概要を示す。1.RNA二次構造予測を行うアルゴリズムをグラフ問題の一つとして捉え二分木部分グラフ問題(Bipartite Subgraph Problem)解法をを厳密にデジタルなNNを利用してアルゴリズムに新しくニューロン遷移優先度を導入した結果、2並列ステップ数で収斂解を得ることができ、解の40%が最適解となる結果を得た。この結果はIEEE ICNN'95国際会議において論文発表を行った。2.厳密にデジタルなNNを利用したアルゴリズムにニューロン遷移優先度を導入した結果、収斂解における最適解率が向上したが、100%とはならなかった。よってニューロンの入出力関数であるヒステリシス関数の時間軸を利用したコスト表現による二分木部分グラフ問題アルゴリズムを開発したシミュレーション実験を行った結果、さらに最適解率の向上が得られた。これに関する結果は、情報処理学会第52回全国大会において発表を行った。3.上記のアルゴリスムを利用してRNA二次構造予測を行うアルゴリズムを作成しシミュレーションにより実験した結果、Tinocoによる結果より安定した予測結果を得ることができ、しかもアナログ型NNよりも少ない並列ステップ数(計算量)で結果を得た。しかし、最適解率がアナログ型NNによるアルゴリズムよりも小さい結果となった。これはコスト表現の機能をより改良することにより最適解率の向上を計ることができると考える。

The RNA secondary structure prediction is based on high speed calculation, stability and biological practice. The optimal RNA secondary structure prediction is based on parallel analysis. A summary of the results of the study is presented below. 1. RNA secondary structure prediction algorithm is used to solve the Bipartite Subgraph Problem. The algorithm is based on the algorithm of NN. The algorithm is based on the algorithm of NN. The algorithm is used to calculate the migration priority of the new algorithm. The algorithm is used to calculate the convergence of the two algorithms. The results were presented at the IEEE ICNN '95 International Conference. 2. The optimal solution rate of convergence is 100%, and the optimal solution rate is 100%. The Timeline of the number of input and output forces of the system is used to determine the optimal solution rate of the system. The 52nd National Conference of the Society for Information Processing was held in Beijing. 3. The results of the above analysis show that the RNA secondary structure prediction method can be used to make the prediction results stable and stable. The optimal solution rate is the result of the optimal solution rate. The optimal solution rate is calculated according to the function of performance.

项目成果

村上勝彦,中川徹,北川一: "制約集合プログラミングによる組合わ最適化問題の解法" 情報処理学会第52回全国大会講演論文集. 2. 2-153-2-154 (1996)

Katsuhiko Murakami、Toru Nakakawa、Hajime Kitakawa：“使用约束集编程解决组合优化问题”第 52 届日本信息处理学会全国会议论文集（1996 年）。

K. Murakami, T. Nakagawa, H. Kitagawa: "Solving the Bipartite Subgraph Problems using Strictly Digital Neural Networks with Virtual Slack-Neurons" 1995 IEEE International Conference Neural Networks Proceedings. V. 2636-2641 (1995)

K. Murakami、T. Nakakawa、H. Kitakawa：“使用带有虚拟松弛神经元的严格数字神经网络解决二分子图问题”1995 年 IEEE 国际会议神经网络论文集。