| 研究課題/領域番号 |
15K00398
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
生命・健康・医療情報学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
白石 友一 東京大学, 医科学研究所, 助教 (70516880)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| 研究課題ステータス |
完了 (2017年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2016年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2015年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | がんゲノム / 機械学習 / パターンマイニング / 可視化 / 統計手法 / 変異シグナチャー / スプライシング / 統計モデル / トピックモデル / 最適化 |
|---|
| 研究成果の概要 |
がんの後天的変異データの集合から、特徴的なパターンを抽出する新たな統計的手法、pmsignatureを開発した（Shiraishi et al., PLoS Genetics, 2015）。この方法論は、「条件付き独立性を仮定したモデリングにより、変異パターンの因子数を増やしても首尾よく推定が可能である」、「提機械学習分野で文書分類に利用されるトピックモデルと類似したモデルとなっている」といった特徴を備えている。さらに、本手法を用いて、スプライシング異常を引き起こす変異において特徴的なパターンを見出した（Shiraishi et al., Biorxiv, 2017）。
|
