研究課題/領域番号 |
20K11962
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分61030:知能情報学関連
|
研究機関 | 豊田工業大学 |
研究代表者 |
三輪 誠 豊田工業大学, 工学(系)研究科(研究院), 教授 (00529646)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
キーワード | 薬物間相互作用 / DrugBank / 関係抽出 / 深層学習 / 知識グラフ / 表現学習 / BERT / グラフニューラルネットワーク / 畳み込みニューラルネットワーク |
研究開始時の研究の概要 |
薬物の使用・研究開発において、副作用情報を始めとした薬物に関する情報の整理・共有は重要である. 本研究では,薬物に関する情報を,薬物・属性・関連物質・関連文献などの内容も形式も異なる要素がつながった巨大なグラフとみなし,要素の関係が整合するように,それぞれの要素を包括的に表現する深層学習手法を実現し,得られた表現を関係抽出手法に利用し,高精度な関係抽出を目指す.
|
研究成果の概要 |
薬物データベースをもとに,薬物の名前・説明文・カテゴリ・関係などの薬物固有の情報に加え,薬物と関連するタンパク質などの様々な種類の情報を含む異種混合グラフを作成し、薬物の説明文や化学式の情報も含めて、すべての情報を有効活用できる表現学習を実現した。 また、薬物データベースの情報を文書からの薬物関係抽出に利用する手法について研究を進め、知識グラフから学習した表現を入力する文書と対応付けたものを入力として、文書からの情報抽出を行う単一の統一されたモデルを実現した。当初はF値80%以上の抽出性能を数値目標としていたが、最終的に85.40%というF値を達成し、当初の数値目標を大幅に上回ることができた。
|
研究成果の学術的意義や社会的意義 |
外部データベースに含まれる文書や化学式など異なる形式の情報をそれぞれが機能するように統合して、さらに自然言語処理に有効に機能させることができた、という本研究成果は、様々な情報を用いた情報処理の成功例として学術的意義がある。さらに、本研究自体は対象を薬物関係として限定して評価したものの、提案手法自体は薬物関係以外にも利用可能な汎用なものであり、その発展性、応用可能性も高い手法となっている。 また、薬物関係を高精度に文書から抽出する技術は薬物データベースの整備・拡充に貢献できる。薬物データベース上での表現学習により、未知の薬物間の関係の可能性を提示することも可能となり、創薬候補の提示にも利用できる。
|