電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2006-06-15 12:10
Multiple-Instance学習によるタンパク質相互作用の属性予測
山川 宏仲尾由雄丸橋弘治富士通研
抄録 (和) 我々は,未知のタンパク質ペアに対して特定の相互作用属性の有無を予測する機械学習技術を開発し, この技術を利用して,タンパク質毎の属性(Gene Ontology) からリン酸化属性の有無を判別した.複数のサブユニットを含むタンパク質間の相互作用が,組合せとして含まれるサブユニットペアの何れかに還元できると仮定することで,判別課題をMultiple-Instance 学習(MIL) として定式化した.そして,よく知られているDiverse Density 法を改良し,特徴空間内で負例バッグに比べて正例バッグの寄与が大きな部分領域を概念として獲得する多数決型のMIL 手法を提案した.KEGG データベースから相互作用属性を学習データとして計算機実験を行なうと, 86.1%の正解率が得られた.さらに偽陽性の発生原因を解析し,これがMIL 特有の陽性判定へのバイアスに起因することを示した. 
(英) We propose a method for predicting types of protein-protein interactions using a multiple-instance learning (MIL) model. By assuming cause of each interaction between proteins containing two or more subunit is results from local subunit pairs, we formulates this problem as MIL. In this problem, influences from instances in negative bag to target concepts are too strong by using well-known Maron’s method. We propose a new MIL method based on decision by majority and apply to the KEGG interaction data. In an experiment using the KEGG pathways and the Gene Ontology, the method successfully predicted an interaction type (phosphorylation) at the accuracy rate of 86.1%. We find that cause of false positive is caused by positive bias peculiar to MIL method by analyzing prediction results.
キーワード (和) タンパク質相互作用 / Multiple-Instance 学習 / Diverse Density / リン酸化 / サブユニット / / /  
(英) protein-protein interaction / multiple-instance learning / diverse density / phosphorylation / subunit / / /  
文献情報 信学技報, vol. 106, no. 101, NC2006-15, pp. 37-42, 2006年6月.
資料番号 NC2006-15 
発行日 2006-06-08 (NC) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380
PDFダウンロード

研究会情報
研究会 NC  
開催期間 2006-06-15 - 2006-06-16 
開催地(和) OIST 
開催地(英) OIST 
テーマ(和) 「機械学習によるバイオデータマインニング」および「一般」 
テーマ(英) Bio-data Mining with Machine Learning and General 
講演論文情報の詳細
申込み研究会 NC 
会議コード 2006-06-NC 
本文の言語 日本語 
タイトル(和) Multiple-Instance学習によるタンパク質相互作用の属性予測 
サブタイトル(和)  
タイトル(英) Predicting type of protein-protein interaction as a multiple-instance learning problem 
サブタイトル(英)  
キーワード(1)(和/英) タンパク質相互作用 / protein-protein interaction  
キーワード(2)(和/英) Multiple-Instance 学習 / multiple-instance learning  
キーワード(3)(和/英) Diverse Density / diverse density  
キーワード(4)(和/英) リン酸化 / phosphorylation  
キーワード(5)(和/英) サブユニット / subunit  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 山川 宏 / Hiroshi Yamakawa / ヤマカワ ヒロシ
第1著者 所属(和/英) (株)富士通研究所 (略称: 富士通研)
FUJITSU LABORATORIES LTD (略称: FUJITSU LAB.)
第2著者 氏名(和/英/ヨミ) 仲尾 由雄 / Yoshio Nakao / ナカオ ヨシオ
第2著者 所属(和/英) (株)富士通研究所 (略称: 富士通研)
FUJITSU LABORATORIES LTD (略称: FUJITSU LAB.)
第3著者 氏名(和/英/ヨミ) 丸橋 弘治 / Koji Maruhashi / マルハシ コウジ
第3著者 所属(和/英) (株)富士通研究所 (略称: 富士通研)
FUJITSU LABORATORIES LTD (略称: FUJITSU LAB.)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2006-06-15 12:10:00 
発表時間 20 
申込先研究会 NC 
資料番号 IEICE-NC2006-15 
巻番号(vol) IEICE-106 
号番号(no) no.101 
ページ範囲 pp.37-42 
ページ数 IEICE-6 
発行日 IEICE-NC-2006-06-08 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会