| 研究課題/領域番号 |
23K16997
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
福永 津嵩 早稲田大学, 高等研究所, 准教授(任期付) (80791433)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023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)
2025年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2024年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2023年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | RNA二次構造 / 深層学習 / アルゴリズム / 高速化 / lncRNA |
|---|
| 研究開始時の研究の概要 |
近年、シミュレーション科学の分野では、深層学習を活用することで複雑な計算を省略し、計算を大幅に高速化する研究が注目を集めている。本研究では、この深層学習による高速化技術をRNA二次 構造解析に応用することで、大規模トランスクリプトームデータにも適用可能な高速二次構造特徴計算ソフトウェアを開発することを研究の目標とする。
|
| 研究実績の概要 |
深層学習を用いてRNA accessibility計算を高速化するDeepRaccessを開発し、既存手法のRaccessと高い相関を持つこと及び原核生物の開始コドン周辺配列から翻訳量を推定するのに有効であることを示した。本研究は既に論文出版済みである(Hara et al., Frontiers in Bioinformatics, 3, 1275787)。また深層学習とは別の方法として、ビームサーチを用いてRNA構造解析を高速化する手法にも取り組んででおり、CentroidAlignやCentroidHomFoldについてアルゴリズムの実装を進めた。現在、小規模データセットにおいては高い速度パフォーマンスが出ていることを確認している。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究のコアとなる技術であるDeepRaccessについて開発に成功したため。
|
| 今後の研究の推進方策 |
RNA accessibility以外の二次構造特徴量である塩基絵対結合確率や構造プロファイルについても、深層学習を活用して高速化できるかについて検討を進める。また、ビームサーチを用いて高速化したCentroidAlignやCentroidHomFoldについて、大規模データセットでの検証を進め、論文化を行う。
|
