权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

A machine learning approach to automatic design of genes, proteins and chemical compounds

自动设计基因、蛋白质和化合物的机器学习方法

基本信息

批准号：
22K19834
负责人：
西郷浩人
金额：
$ 3.99万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Challenging Research (Exploratory)
财政年份：
2022
资助国家：
日本
起止时间：
2022-06-30 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K19834/
关键词：
機械学習実験計画勾配降下法タンパク質化合物ガウス過程

项目摘要

科学の基本的なプロセスは仮説を立てて実験を行い、それを検証することの繰り返しである。今日、これまで人間の手で行っていた実験の多くは機械で置き換えることが可能になりつつある。問題は、機械にどのような実験計画を指示、設定すれば思い通りの実験結果を得られるかである。そこで本研究課題が目指すのは機械学習を用いた実験計画の設計である。特に、タンパク質・化合物の設計という課題に取り組む。これらの問題の情報学的困難さは、タンパク質・化合物の大きさに対して、探索空間のサイズが指数関数的に増加してしまうことにある。そこで、現実的な時間で局所解の探索を行うためには効率の良いアルゴリズムが必須である。本研究課題ではまず、タンパク質の類似度として代表的なSmith-Watermanスコアを元にして、その近似スコアをソフトマックス関数を用いて定義する。このスコアは前向きアルゴリズムを用いてSmith-Watermanアルゴリズムと同様に効率的に計算することが出来る。また、その計算過程を保存して後ろ向きアルゴリズムの入力とすることにより、スコアのパラメータ（アミノ酸置換行列）に関する勾配を効率よく計算できることを示した。これは、アノテーションされたタンパク質については回帰や分類による誤分類の最小化を目的関数として、勾配を上昇させる方向にパラメータを学習できることを意味する。実際にロドプシンの吸収波長データ及びエナンチオ選択性データを用いた計算機実験の結果、勾配が正しく計算できることを確認した。

科学の基本的なプロセスは仮説を立てて実験を行い、それを検証することの繰り返しである。今日、これまで人間の手で行っていた実験の多くは機械で置き換えることが可能になりつつある。問題は、機械にどのような実験計画を指示、設定すれば思い通りの実験結果を得られるかである。そこで本研究課題が目指すのは機械学習を用いた実験計画の設計である。特に、タンパク質·化合物の設計という課題に取り組む。これらの問題の情報学的困難さは、タンパク質·化合物の大きさに対して、探索空間のサイズが指数関数的に増加してしまうことにある。そこで、現実的な時間で局所解の探索を行うためには効率の良いアルゴリズムが必須である。本研究采用非线性回归方程，将非线性回归方程的近似度作为变量代表的史密斯-沃特曼近似元模型，将非线性回归方程的近似度作为变量使用的确定变量。在此之前，史密斯-沃特曼公司（Smith-Waterman）向美国政府提出了采用相同风险率的计算方法，并将其计算出来。また、その計算過程を保存して後ろ向きアルゴリズムの入力とすることにより、スコアのパラメータ（アミノ酸置換行列）に関する勾配を効率よく計算できることを示した。これは、アノテーションされたタンパク質については回帰や分類による誤分類の最小化を目的関数として、勾配を上昇させる方向にパラメータを学習できることを意味する。実際にロドプシンの吸収波長データ及びエナンチオ選択性データを用いた計算機実験の結果、勾配が正しく計算できることを確認した。