| 研究課題/領域番号 |
16K00390
|
|---|
| 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 | 京都大学 |
|---|
研究代表者 |
吉沢 明康 京都大学, 薬学研究科, 特定助教 (70551159)
|
|---|
| 研究分担者 |
守屋 勇樹 大学共同利用機関法人情報・システム研究機構(機構本部施設等), データサイエンス共同利用基盤施設, 特任助教 (40773841)
|
|---|
| 研究協力者 |
田畑 剛
岩崎 未央
河野 信
五斗 進
石濱 泰
瀧川 一学
|
|---|
| 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 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2018年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2017年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2016年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | バイオインフォマティクス / 質量分析 / 機械学習 / 深層学習 / プロテオミクス / ピーク検出 / プロテオーム / 計測工学 / 人工知能 |
|---|
| 研究成果の概要 |
質量分析のデータ解析で必須のプロセスである「ピーク検出」を、ニューラルネットの深層学習に基づいて行う方法を開発した。教師用データとしては、ペプチド実測データから既存の手法で検出されたピークのうち、従来法によって高いスコアでペプチドが同定できたピークを採用した。我々の作成した判定器は現在までに、従来法と同等の検出性能を持ち、従来法では検出できなかったピークを少数ながら検出できるようになっている。
|
| 研究成果の学術的意義や社会的意義 |
質量分析はイオン化した試料の質量を測定する方法であるが、得られたマススペクトルから正確な質量の値を求めるには、「ピーク検出」が必須である。しかしこの過程には経験的な手法が用いられており、現状では全スペクトルの1/3程度しか同定できない。
そこで、最近大きなブレークスルーのあった、ニューラルネットの深層学習 (deep learning) に基づいて、ピークを検出する新しい方法を開発した。機械学習研究での深層学習の応用例として、また今まで同定できなかったピークを効率的に検出するツールとしての発展と、それを利用した効率的な生命科学研究や医療技術への応用が期待できる。
|
