Machine learning of high-dimensional life dynamics time series for reduction to low-dimensional systems and its application to controlling problems
Project/Area Number |
22K11941
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 60030:Statistical science-related
|
Research Institution | Nippon Medical School |
Principal Investigator |
藤崎 弘士 日本医科大学, 医学部, 教授 (60573243)
|
Co-Investigator(Kenkyū-buntansha) |
小田切 健太 専修大学, ネットワーク情報学部, 准教授 (20552425)
末谷 大道 大分大学, 理工学部, 教授 (40507167)
森次 圭 大阪公立大学, 大学院理学研究科, 教授 (80599506)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
Keywords | 時系列解析 / 分子動力学 / 多様体学習 / ニューラルネットワーク |
Outline of Research at the Start |
タンパク質、細胞、脳波など生体系のもつ高次元のダイナミクスを理解するために、機械学習の手法の一つである、時間遅れのあるオートエンコーダを適用し、自由度を高次元から本質的な低次元に縮約し、その生物学的な意義を既存の実験事実などを踏まえて考察する。その際は、タンパク質の各原子の位置座標の時系列や、細胞の2次元動画などの大量のデータをニューラルネットワークのシステムで処理する必要があるので、そのために適したGPUマシンを購入し、pytorch などのフレームワークで作ったオートエンコーダのコードを高速で動かす。その結果得られる低次元系のダイナミクスを制御することから、生体系の制御の可能性を探る。
|
Outline of Annual Research Achievements |
生命現象をダイナミクスとして考えるとそれは高次元空間上の運動であるが、実験・観測データは様々な技術上の制約から低次元性をもつことが多い。また生体ダイナミクスの本質的な部分が低次元に埋め込まれていることも考えられるので、高次元生体ダイナミクス時系列をいかに縮約し、その中の本質を取り出すかということは重要な課題である。一方、データサイエンスの現場においては画像などの情報を縮約するために、深層学習の手法の一つであるオートエンコーダや、多様体学習などが用いられることが多い。そこで、ここでは分子動力学シミュレーションにより得られるタンパク質ダイナミクスの時系列やその他の関連する生体時系列にこれらの手法を適用し、得られる低次元表現の解釈をダイナミクスの観点から行った。 今年度はチニョリンやアデニル酸キナーゼの重み付きアンサンブル法による構造変化のシミュレーションを行い、それに基づき on-the-fly で拡散マップの計算を行った。その結果、長時間のシミュレーションと似たような多様体が抜き出せることが分かった。またモデル系(レナードジョーンズ粒子系)の多体系のダイナミクスに拡散マップや時間遅れのあるオートエンコーダを適用し、その低次元表現が特に時間的に振動しているときの意味付けを与えることができた。また、多状態のポッツ模型のキネティックな「ダイナミクス」にも拡散マップを適用し、相転移する際に拡散マップ座標に非ガウス的な揺らぎが現れることを確かめた。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
申請書に書いていた方針に従って研究を進展させて、予備的な結果を得るところまでできたため。
|
Strategy for Future Research Activity |
これまでの成果を論文としてまとめるとともに、低次元表現の意味付けを行うために、低次元表現から元の高次元表現へのマップを構成する必要がある。そのためには、低次元表現に制約された分子シミュレーションを行うことで、高次元表現を生成したり、またはデータをニューラルネットワークに入力しパラメータを学習させることでマップを作る。細胞のモデルに関しては、セルラーポッツモデルを用いているが、血管新生が生じるようなパラメータ空間を選定し、その時系列解析も行って実験と比較する。また Oura ring などのウェアラブルデバイスから得られるバイタルの時系列の解析も行い、種々の高次元生体時系列の特徴をつかむ。
|
Report
(2 results)
Research Products
(17 results)