ブックタイトルkouren660

ページ
14/20

このページは kouren660 の電子ブックに掲載されている14ページの概要です。
秒後に電子ブックの対象ページへ移動します。
「ブックを開く」ボタンをクリックすると今すぐブックを開きます。

概要

kouren660

 本研究では、患者と非患者で発現量に有意な差が見られる遺伝子をデータドリブンで特定する機械学習手法である「主成分分析を用いた教師なし学習による変数選択法(principalcomponents analysis-based unsupervisedfeature extraction, PCAUFE.詳細はTaguchi2019 Springerを参照)」に生物学的知見からの制約を課すことで、疾患関連遺伝子をどのくらい限定でき、かつどんな種類が選択されるか検証しました(図1)。キーワード:バイオインフォマティクス、遺伝子選択、機械学習、エンリッチメント解析 本研究成果は、2019/09/09~11に東京工業大学で開催された「日本バイオインフォマティクス2019年年会第8回生命医薬情報学連合大会」にて、筆頭著者である修士1年の藤澤孝太くんにより発表され、後日、大会から優秀口頭発表賞が贈呈されました。 (https://www.jsbi.org/news/topics/20191010-nenkai/)藤澤くんの受賞は新聞記事としても取り上げて頂きました。 (https://ryukyushimpo.jp/news/entry-994660.html)琉球大学工学部エネルギー環境工学コース・助教 宮田 龍太TEL:098-895-8620 E-mail : miyata26@tec.u-ryukyu.ac.jp機械学習とエンリッチメント解析のハイブリッドアプローチによる疾患関連遺伝子の推定琉球大学研究紹介1.はじめに 具体的には、PCAUFEで選択されたプローブリストにエンリッチメント解析をかけ誤発見率(falsediscovery rate, FDR)のカットオフ水準を設けることで候補を絞りました。その結果、最終的に元の1/3程度に候補を限定でき、かつこの操作により、複数の患者に共通して変化が見られる遺伝子と、発現量の個人差が大きい遺伝子に分類できることが明らかになりました(図2)。2.方法と結果 今後はさまざまな種類の病気に関するデータに提案手法を適用し、有用性を検証していく予定です。3.おわりに図1: 本研究で提案するアプローチの概念。図2: 提案手法で選択された疾患関連遺伝子の解釈。連絡先:琉球大学 工学部 工学科 社会基盤デザイン・建築学コース内富山 潤(社会基盤デザインコース)/仲松 亮(建築学コース)〒903-0213 沖縄県中頭郡西原町千原1番地TEL.富山 潤(098-895-8649)/ 仲松 亮(098-895-8901) FAX.098-895-8677(社会基盤デザイン・建築学コース事務室)【E-Mail】kouenkai-office@ml.tec.u-r yukyu.ac.jpエンリッチメント解析(生物学的知見)ドメイン知識による制約データドリブンアプローチPCAUFE(機械学習)疾患関連遺伝子PCAUFEエンリッチメント解析共通因子個人差ありOKINAWA INDUSTRIAL  12