次世代シークエンシングデータを利用した機械学習によるRNA二次構造予測の高精度化

2019 年度 研究成果報告書

• 研究課題/領域番号: 16K00404
• 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: 慶應義塾大学
• 研究代表者: 佐藤 健吾 慶應義塾大学, 理工学部(矢上), 講師 (20365472)
• 研究期間 (年度): 2016-04-01 – 2020-03-31
• キーワード: バイオインフォマティクス / RNA二次構造予測 / 機械学習

研究成果の概要

部分的な構造情報である二次構造プロファイルを弱レベル学習データとして利用可能とする機械学習アルゴリズムを開発し，既存手法よりも精密な二次構造モデルを大量の二次構造プロファイルから学習することによって，過学習を回避しつつRNA二次構造予測の精度向上を目指す．まず，既存のTurner熱力学モデルに基づく自由エネルギー最小化法と構造化SVMによるパラメータ学習法を融合することによってより頑健かつ高精度なRNA二次構造予測手法の開発を行った．計算機実験の結果，既存の手法に見られる過学習は観測されず，予測精度の向上が確認された．

自由記述の分野

バイオインフォマティクス

研究成果の学術的意義や社会的意義

RNA 二次構造予測は古くから研究されているが，長い配列に対する予測精度は未だに十分とは言えない．本研究によりRNA二次構造予測の精度が向上し，生体内におけるRNAの機能を推定する手がかりが得られることが期待される．さらに，RNAウィルスをターゲットとする創薬などに応用することが可能である．