Development of mass peak picking method by deep learning

2018 Fiscal Year Final Research Report

• Project/Area Number: 16K00390
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Research Field: Life / Health / Medical informatics
• Research Institution: Kyoto University
• Principal Investigator: Yoshizawa Akiyasu 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)
• Research Collaborator: TABATA Tsuyoshi ; IWASAKI Mio ; KAWANO Shin ; GOTO Susumu ; ISHIHAMA Yasushi ; TAKIGAWA Ichigaku
• Project Period (FY): 2016-04-01 – 2019-03-31
• Keywords: バイオインフォマティクス / 質量分析 / 機械学習 / 深層学習 / プロテオミクス

Outline of Final Research Achievements

We developed a novel method of “peak picking,” an indispensable step in mass spectrometry data analysis, by deep learning in neural network. Mass peaks used for training data were those that were picked and identified as peptides with high scores by conventional methods. The current implementation of our classifier has almost equal detection performance as the conventional methods, and can also detect mass peaks that could not be detected by conventional methods.

Free Research Field

プロテオミクスに於けるバイオインフォマティクス方法論

Academic Significance and Societal Importance of the Research Achievements

質量分析はイオン化した試料の質量を測定する方法であるが、得られたマススペクトルから正確な質量の値を求めるには、「ピーク検出」が必須である。しかしこの過程には経験的な手法が用いられており、現状では全スペクトルの1/3程度しか同定できない。
そこで、最近大きなブレークスルーのあった、ニューラルネットの深層学習 (deep learning) に基づいて、ピークを検出する新しい方法を開発した。機械学習研究での深層学習の応用例として、また今まで同定できなかったピークを効率的に検出するツールとしての発展と、それを利用した効率的な生命科学研究や医療技術への応用が期待できる。