2016 Fiscal Year Annual Research Report
ウエットＧＡの生物学実験データの分析に基づく高度並列型進化計算の実現
| Project/Area Number |
26280095
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
山村 雅幸 東京工業大学, 情報理工学院, 教授 (00220442)
|
|---|
| Project Period (FY) |
2014-04-01 – 2018-03-31
|
| Keywords | ウェットGA / タンパク質工学 / 超並列進化計算 / WetTDGA / tyrRS / 分子進化 / NK地形 / 疑似適応度 |
|---|
| Outline of Annual Research Achievements |
生命にアイデアを得た進化計算の応用を通じて培われた探索戦略を、分子上に実装したウェットGA を提案し、タンパク質工学に応用してきた。タンパク質tyrRS の基質改変をテストベッドとして、12 世代の理想的な集団分布の推移を実現した。改変されたタンパク質の活性は実用に耐えるレベルに達している。本研究はこれらの成果を踏まえ、スパイラルの次の段階として計算モデルを洗練化し、実装を試みた。新しいモデルはネットワークなどを通じて安価に提供されるクラウドなどの並列計算資源に適しており、進化計算の新たな展開が期待される。具体的には、WetTDGA の最適化能力の理論解析として、まず、最適化としての困難さを表現する新しいモデルの提案と解析を行った。個々の現象の精密なモデル化のかわりに最適化の困難さに関わる地形の複雑さをモデル化した。タンパク質工学でよく用いられるNK 地形モデルは、tyrRS の基質改変のような大域的多峰性の困難な最適化問題の地形の表現には不適当であると考え、新しいモデルを提案した。次に、tyrRSの基質改変実験向け最適パラメータの設計を行った。提案された世代交代モデルから、適応度分布に応じたサンプル個数など、実験向けの最適パラメータを決定した。理論解析の途上で、当初予想したほど並列計算の効率が上がらないという問題点がシミュレーションによって観察された。進化計算の並列度すなわち集団サイズと、最適解を発見するまでの世代数とのトレードオフについて、代表的なベンチマーク問題である巡回セールスマン問題と関数最適化問題を用いて、より詳細に調べた。解くべき最適化問題が簡単すぎると、並列度は無駄になることがわかった。代表的なベンチマーク問題では、問題の難易度をコントロールできる。問題の難易度と並列度／世代数トレードオフの関係を特徴づけた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
計算機上の進化計算で培われた探索戦略をタンパク工学に応用したウェットGAの実応用から得られた遺伝子シーケンスのデータ群を解析し、理論との合致を調べた。解析の途上で、当初予想した並列度と世代数の有効性トレードオフが、解くべき最適化問題の難易度に依存することを発見した。このことに関わる最適化問題の難易度の指標の形式化の目処がたった。
|
| Strategy for Future Research Activity |
進化計算の並列度すなわち集団サイズと、最適解を発見するまでの世代数とのトレードオフについて、代表的なベンチマーク問題である巡回セールスマン問題と関数最適化問題を用いて、より詳細に調べた。オリジナルのtyrRS基質改変実験を繰り返すことだけでは計算モデルの精密化は困難と予想される。最適化問題としての難易度が同程度となるような疑似適応度を、機械学習を用いて実験データから同定し、疑似適応度を用いたシミュレーションを行うことで、生物実験に代えるアプローチをとることとした。
|
| Causes of Carryover |
計算機上の進化計算で培われた探索戦略をタンパク工学に応用したウェットGAの実応用から得られた遺伝子シーケンスのデータ群を解析し、理論との合致を調べた。解析の途上で、当初予想した並列度と世代数の有効性トレードオフが、解くべき最適化問題の難易度に依存することを発見した。このことに関わる最適化問題の難易度の指標の形式化の目処がたったため、この指標を用いて解析結果を強化できると予想した。
|
| Expenditure Plan for Carryover Budget |
進化計算の並列度すなわち集団サイズと、最適解を発見するまでの世代数とのトレードオフについて、代表的なベンチマーク問題である巡回セールスマン問題と関数最適化問題を用いて、より詳細に調べた。オリジナルのtyrRS基質改変実験と最適化問題としての難易度が同程度となるような疑似適応度を、機械学習を用いて実験データから同定し、疑似適応度を用いたシミュレーションを行う。
|
