高次元データによる複雑非線形現象解明のための柔軟な統計モデルの理論・方法論の研究

• Project/Area Number: 15700231
• Research Category: Grant-in-Aid for Young Scientists (B)
• Allocation Type: Single-year Grants
• Research Field: Statistical science
• Research Institution: The University of Tokyo
• Principal Investigator: 井元 清哉 東京大学, 医科学研究所, 助手 (10345027)
• Project Period (FY): 2003 – 2004
• Project Status: Completed (Fiscal Year 2004)
• Budget Amount: ¥3,400,000 (Direct Cost: ¥3,400,000); Fiscal Year 2004: ¥1,500,000 (Direct Cost: ¥1,500,000); Fiscal Year 2003: ¥1,900,000 (Direct Cost: ¥1,900,000)
• Keywords: ノンパラメトリック回帰 / ベイジアンネットワーク / ベイジアンモデリング / クラスタリング / 高次元データ / 関数データ解析 / 情報量規準 / ベイズアプローチ

Research Abstract

平成16年度に行った研究について以下にまとめます.
(1)数千というオーダーの超多数確率変数の関連,特に因果関係を捉えるために平成15年度はベイジアン・ネットワークとノンパラメトリック回帰を組み合わせた統計モデルを提案し,その有効性をcDNAマイクロアレイによって観測された遺伝子発現データの解析を通し検討した.しかしながら,超多数の確率変数の関連を有向グラフ(directed graph)によってモデリングする際,観測されるデータのみからの推測では,そのサンプルサイズ,含まれる情報量から明らかな限界があること分かった.そのような場合,グラフ構造の事前知識を用いることが極めて有効であると考え,目的となる確率変数の関連・因果関係を表す有向グラフを推定するためのあらゆる知識,利用可能な様々なデータを階層モデルにまとめ,それらを統合するベイズモデルを構成した.
(2)癌の分類・予測を目的に観測されたマイクロアレイ遺伝子発現データのクラスタリングに対しては従来の混合分布に基づく方法は,モデルに含まれる超多数のパラメータのため過適合をおこし有効に働かない.そこで因子分析の方法を拡張した超高次元特徴ベクトルを有する少数サンプルのクラスタリングのための手法(Mixed Factors Analysis)を開発した.

Research Products

• [Journal Article] Residual bootstrapping and median filtering for robust estimation of gene networks from microarray data (2005)
  • Author(s): S.Imoto et al.
  • Journal Title: Lecture Note in Bioinformatics 3082 Pages: 149-160
• [Journal Article] Combining microarrays and biological knowledge for estimating gene networks via Bayesian networks (2004)
  • Author(s): S.Imoto et al.
  • Journal Title: Journal of Bioinformatics and Computational Biology 2(1) Pages: 77-98
• [Journal Article] Bayesian information criteria and smoothing parameter selection in radial basis function networks (2004)
  • Author(s): S.Konishi, T.Ando, S.Imoto
  • Journal Title: Biometrika 91(1) Pages: 27-43
• [Journal Article] Functional discrimination analysis for time-series gene expression data via radial basis function expansion (2004)
  • Author(s): Y.Araki, S.Konishi, S.Imoto
  • Journal Title: Proc.COMPSTAT 2004 Pages: 613-620
• [Journal Article] A mixed factors model for dimension reduction and extraction of a group structure in gene expression data (2004)
  • Author(s): R.Yoshida, T.Higuchi, S.Imoto
  • Journal Title: Proc.3rd IEEE Computational Systems Bioinformatics Pages: 161-172
• [Publications] Imoto S., Konishi S.: "Selection of smoothing parameters in B-spline nonparametric regression models using information criteria"Annals of the Institute of Statistical Mathematics. 55. 671-687 (2003)
• [Publications] Imoto S. et al.: "Bayesian network and nonparametric heteroscedastic regression for nonlinear modeling of genetic network"Journal of Bioinformatics and Computational Biology. 1(2). 231-252 (2003)
• [Publications] Imoto S. et al.: "Bayesian network and nonparametric heteroscedastic regression for nonlinear modeling of genetic network"Proc. 2nd IEEE Computational Systems Bioinformatics. 104-113 (2003)
• [Publications] Nakamichi R. et al.: "Case-control study of binary trait considering interactions between SNPs and environmental effects using logistic regression"Proc. 4th IEEE Bioinformatics and Bioengineering. in press. (2004)