2018 Fiscal Year Annual Research Report
Development of mass peak picking method by deep learning
| Project/Area Number |
16K00390
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
吉沢 明康 京都大学, 薬学研究科, 特定助教 (70551159)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
守屋 勇樹 大学共同利用機関法人情報・システム研究機構(機構本部施設等), データサイエンス共同利用基盤施設, 特任助教 (40773841)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 質量分析 / ピーク検出 / 機械学習 / 深層学習 / バイオインフォマティクス / プロテオミクス |
|---|
| Outline of Annual Research Achievements |
本課題で実施したのは、機械学習、特に最近研究上のブレークスルーが生じた深層学習 (deep learning) を用いて、マススペクトルのピークを検出する研究である。
マススペクトルは質量分析計の出力であって、横軸に質量電荷比 (m/z)、縦軸にイオン電流の強度（測定できたイオンの量に比例）をプロットしたものである。理論的には、試料のm/zの正確な値でのみイオン電流が生じ（「ピーク」と呼ぶ）、それ以外の値ではイオン電流は0になるため、マススペクトルはデルタ関数様の形状を示す筈であるが、実際には、大多数の質量分析計から得られるマススペクトルのピークはハードウェア特性やノイズなどの影響によって山型の形状になっている。ここから理論的なピークの位置、即ち精密なm/zの値を推定し、更にそこから電荷数 (z) を推定することによって精密質量の値 (m) をも推定する作業が「ピーク検出」であって、スペクトル全体をスペクトル・ライブラリと比較する手法を除けば、質量分析計を用いる事実上全てのデータ解析で必須の過程である。
平成30年度は、教師付学習によるピーク検出方法を確立し、実際の測定データを基にピーク検出のための半教師付学習に進むことが目標であったが、この目標は概ね達成され、深層学習がピーク検出に応用できること、training用データセットの差異によって生成される判定器の特性に差異が生じる点などが確認された。
現在作成済みの判定器では、既存の化学的・経験的知識に基づくソフトウェアよりも多数の正解ピークを検出することが可能であり、検出と同時にイオンの価数（電荷数）が自動判定されることが大きな特徴である。
|
Research Products
(3 results)
