| 研究課題/領域番号 |
16K00059
|
|---|
| 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 |
統計科学
|
|---|
| 研究機関 | 日本医科大学 |
|---|
研究代表者 |
藤崎 弘士 日本医科大学, 医学部, 准教授 (60573243)
|
|---|
| 研究分担者 |
末谷 大道 大分大学, 理工学部, 教授 (40507167)
|
|---|
| 研究協力者 |
光武 亜代理
森次 圭
松永 康佑
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2017年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2016年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 分子動力学シミュレーション / レアイベント / 反応座標 / 多様体学習 / 時系列解析 / 分子シミュレーション / 機械学習 / 主成分分析 / 生体系シミュレーション / ニューラルコンピューティング |
|---|
| 研究成果の概要 |
動的なデータからレアイベントと呼ばれる稀な現象を抽出し、その特徴づけを行うのは難しい問題であり、シミュレーションでデータを生成するときにも同じような問題が現れる。生体分子の時系列を分子動力学シミュレーションで生成する場合は安定な状態間を乗り移る構造変化がレアイベントに対応し、上記の問題が現れるために、ここでは重み付きアンサンブル法と呼ばれる超並列計算手法を用いることで、その問題を解決できるか調べた。具体例としてはシニョリンという小さいタンパク質に適用し、動的な構造変化を効率よく生成できることが示せた。また、多様体学習の拡散マップ法を用いて、構造変化に重要な反応座標を抜き出すこともできた。
|
| 研究成果の学術的意義や社会的意義 |
現在は非常に大量のデータが生成・収集され、それを機械学習などの統計的な手法を用いて解析することが標準的になりつつあるが、レアイベントに関しては稀に起こる現象であるためにデータ点が少なく、その生成や収集が難しかった。しかし、本研究で、重み付きアンサンブル法という超並列計算手法を用いることで、レアイベントを生体分子に関しては効率よく生成することは可能であることが示された。また、重み付きアンサンブル法は統計学の粒子フィルター法と似た手法であり、重みのついた軌道のアンサンブルを用いているので、生体分子と関係のない時系列にも適用可能であり、本研究の成果は一般性をもつと言える。
|
