Efficient knowledge acquisition based on the structure of large-scale knowledge graphs in life sciences

点击翻译按钮获取中文摘要

昨年度に引き続き，生命科学分野において典型的に使われるSPARQLクエリパターンを収集した．その一環として，生命科学分野のデータを用いて構築した知識グラフから，遺伝性疾患に対する遺伝子パネルを自動的に取得する手法について検討した．その結果，初期診断と最終診断のずれを吸収するために，初期診断に対応する頂点の親や祖先にあたる頂点を選ぶことで，カバー率が高いまま，候補遺伝子の数を大幅に絞り込める遺伝子パネルを作成できることが判明した．その際，どのように親や祖先をさかのぼって頂点を選ぶかについて，様々な手法を比較検討し，最もよい絞り込みの性能を示したアルゴリズムを提案した．クエリパターンとしては，昨年度示した，star型とpath型と異なるパターンである，parent型として記述できる．また，医学以外の生命科学分野のデータとして，タンパク質配列データベースUniProtと化合物データベースPubChemのデータに対し，サンプルクエリとして提供されているSPARQLクエリ群やこれらのデータベースを利用したアプリケーション内で用いられるSPARQLクエリに対する調査を行った．その結果，取得した構造を利用してデータを絞り込めるクエリがある一方，対象クラスそのものを求めるクエリが一定数あることがわかった．例えば，UniProt IDからGene Ontologyのクラスを求める場合などがこれにあたる．これらのクエリの場合，クラスによるインスタンスの絞り込みができないため，現在構築中の枠組みを拡張し，クラス自体を求めるクエリに対応させる必要があることがわかった．