2016 Fiscal Year Research-status Report
次世代シークエンシングデータを利用した機械学習によるRNA二次構造予測の高精度化
| Project/Area Number |
16K00404
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
佐藤 健吾 慶應義塾大学, 理工学部(矢上), 講師 (20365472)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | RNA二次構造予測 / NGSデータ / 機械学習 |
|---|
| Outline of Annual Research Achievements |
RNA二次構造予測は古くから研究されているにも関わらず，長鎖非コードRNAやRNAウィルスのような長いRNA配列に対する予測精度は未だに十分とは言えない．近年，次世代シークエンサーから二次構造プロファイルを取得することが可能となったが，二次構造プロファイルは完全な二次構造でないために，既存の機械学習に基づく手法をそのまま適用することはできない．本研究では，部分的な構造情報である二次構造プロファイルを弱レベル学習データとして利用可能とする機械学習アルゴリズムを開発し，既存手法よりも精密な二次構造モデルを大量の二次構造プロファイルから学習することによって，過学習を回避しつつRNA二次構造予測の精度向上を目指す．これにより，二次構造予測をベースにした機能性RNAの機能・構造解析の精度向上を実現する．本年度は，構造化SVMを元にした弱ラベルデータからの学習アルゴリズムの定式化を行い，次世代シークエンスデータを弱ラベル学習データとするRNA二次造予測モデルのプロトタイプ実装を行なった．計算機実験の結果，次世代シークエンスデータを加えることによるRNA二次構造予測の精度向上が確認された．また，遺伝アルゴリズムによる多目的最適化手法を用いることによって，RNA-RNA相互作用を引き起こす複合二次構造を形成する二本のRNA配列をデザインする手法の開発を行った．計算機実験の結果，本手法のプロトタイプ実装が設計通りに動作し，適切な複合二次構造を形成する配列をデザインしていることが確認された．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画通り，弱ラベルデータからの学習アルゴリズムの定式化，およびそのRNA二次構造予測への適用を行うことができたので，おおむね順調に進展していると言える．
|
| Strategy for Future Research Activity |
大量の次世代シークエンスデータからの学習を実現するために，二次構造予測アルゴリズムの最適化および学習の並列化を実装する．
|
| Causes of Carryover |
論文投稿料および旅費が当初の予定よりも少なく済んだことによる．
|
| Expenditure Plan for Carryover Budget |
次年度以降，研究成果を学会発表するための旅費および論文投稿料を当初の予定よりも当初の予定よりも増やす．
|
