| 講演名 | 2014-05-26 多数決を適用したRBFネットワークによる遺伝子制御ネットワーク推定法 木崎 直幸, 黒川 弘章, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 遺伝子発現の相互関係を表した遺伝子制御ネットワークの推定はこれまでに多くの方法が提案されてきた.従来法の一つに,遺伝子発現量の変化を微分方程式で表したモデルをニューラルネットワークを用いた関数近似により推定し,推定されたモデルを基に遺伝子制御ネットワークを求める手法が提案されている.これは同様の手法と比較して,特に推定にかかる時間において有利であることが示されている.しかしながら,ニューラルネットワークによる関数近似では誤差逆伝搬法のような繰り返しにより誤差を収束させる学習が必要となり,また,推定にかかる時間は問題にも依存する.そのため,推定時間に関しては関数近似において繰り返しの学習を必要としないRBFネットワークなどを用いた方が有利であると考えられる.そこで本研究ではRBFネットワークを用いた遺伝子制御ネットワークの推定法を提案する.提案法は推定精度において従来法よりも劣る結果が得られるが,多数決の考え方を導入することにより推定精度が改善出来ることを示す.シミュレーションでは人工的に定義された遺伝子制御ネットワークモデルの推定に加えて実験データを用いた遺伝子制御ネットワークの推定を行い結果を示す. |
| 抄録(英) | The gene regulatory network(GRN) is the in biological system that describes the interaction of the gene expressions. A lot of inference methods of the GRN have been proposed recently. The method using the neural networks is one of the valuable conventional method of GRN inference. In the conventional method, the network is inferred based on the gene expression model described by differential equation and the gene expression model is estimated by function approximation using neural networks. In the conventional method, the learning algorithm of the neural network requires the iteration process and the convergence dynamics is depend on the problem. On the other hand, the radial basis function(RBF) network is also well known network that can be used in the function approximation. The RBF network does not requires the iterative learning process and this feature will lead the reduction of the calculation in inference of the GRN. In this study, we propose the GRN inference method using the RBF network. Our proposed method shows good results of the inference time, however, the accuracy is not so good as the conventional method. Then we apply the majority rule to our proposed method and we show that the proposed method adopting the majority rule improves the accuracy of the inference. In the simulation, we show the results of the inference of the artificially denned GRN and the practical network using experimental data. |
| キーワード(和) | 遺伝子制御ネットワーク / 関数近似 / RBFネットワーク |
| キーワード(英) | Gene regulatory network / function approximation / RBF network |
| 資料番号 | NLP2014-3 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NLP |
|---|---|
| 開催期間 | 2014/5/19(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Nonlinear Problems (NLP) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 多数決を適用したRBFネットワークによる遺伝子制御ネットワーク推定法 |
| サブタイトル（和） | |
| タイトル（英） | Inferring method of the Gene Regulatory Networks using RBF Networks Adopting a Majority Rule |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 遺伝子制御ネットワーク / Gene regulatory network |
| キーワード(2)（和/英） | 関数近似 / function approximation |
| キーワード(3)（和/英） | RBFネットワーク / RBF network |
| 第 1 著者 氏名（和/英） | 木崎 直幸 / Naoyuki KIZAKI |
| 第 1 著者 所属（和/英） | 東京工科大学コンピュータサイエンス学部 School of Computer Science, Tokyo University of Technology |
| 第 2 著者 氏名（和/英） | 黒川 弘章 / Hiroaki KUROKAWA |
| 第 2 著者 所属（和/英） | 東京工科大学コンピュータサイエンス学部 School of Computer Science, Tokyo University of Technology |
| 発表年月日 | 2014-05-26 |
| 資料番号 | NLP2014-3 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | 55 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |