2017 Fiscal Year Annual Research Report
多階層オミクスデータのためのネットワーク推定方法の開発
Publicly Offered Research
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
16H01551
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
宇田 新介 九州大学, 生体防御医学研究所, 准教授 (20599609)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | システム生物学 / スパース推定 |
|---|
| Outline of Annual Research Achievements |
網羅的測定によって得られるオミクスデータは，1回の測定で多くの分子種を測定できるが，欠損値が出やすいことや，大きなサンプルサイズのデータセットを得ることが労力と金銭の両方のコストから難しいと言った問題がある．
本研究計画では，欠損値とサンプルサイズが小さいことへの問題の対処として，欠損値とネットワーク構造を同時に推定し，サンプルサイズが小さくデータ量が不足する問題に関してはデータベースの事前知識を間接的に利用してパラメータに反映させる手法の開発を行った．ネットワーク構造が偏相関行列がL1ノルム正則化によって疎になるような推定を行いつつ，欠損値については，データ行列が低ランクに近い仮定をおいて２つの行列の積で表現し，積となる各行列を求めることで欠損値，および，ネットワーク構造が同時に推定される手法を構築した．生物学的データでは，サンプルがクラスタ構造を有して標本ベクトル間に相関が生じやすく，データ行列は全特異値の数に比べて少数の特異値が支配的になることが多いため，仮定は妥当であると考えている．試験的に実データへの適用を行い，生物学的事前知識に近い推定結果が得られた．
一方，生物学的事前知識の利用に関しては，事前知識の信頼度に相当する超パラメータの決め方に問題が残っている．また，階層性の導入については，モデル構築に不十分な点があり，現在も改善を重ねている段階である．これらの問題点については，今後の課題として継続して取り組んでいる．また，実データへのより実際的な適用を行うことを検討している．
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
Research Products
(7 results)
