奈良女子大集中講義 バイオインフォマティクス (9) 相互作用推定

Slides:



Advertisements
Similar presentations
Division of Process Control & Process Systems Engineering Department of Chemical Engineering, Kyoto University
Advertisements

集中講義(九州大学数理学研究院) バイオ構造データに対する数理モデルと アルゴリズム( 1 ) スケールフリーネットワーク 阿久津 達也 京都大学 化学研究所 バイオインフォマティクスセンター.
奈良女子大集中講義 バイオインフォマティクス (3) 配列アラインメント
日本バイオインフォマティクス学会 バイオインフォマティクス カリキュラム中間報告
生命情報学基礎論 (2) 配列の比較と相同性検索
阿久津 達也 京都大学 化学研究所 バイオインフォマティクスセンター
情報生命科学特別講義III (1) 文字列マッチング
コンピュータビジョン特論 第8回対象追跡 2006年11月22日 加藤丈和.
タンパク質相互作用ネットワークの スケールフリーモデル
奈良女子大集中講義 バイオインフォマティクス (8) タンパク質立体構造予測
スペクトル法による数値計算の原理 -一次元線形・非線形移流問題の場合-
Scilab で学ぶ  わかりやすい数値計算法 舞鶴高専 電子制御工学科 川田 昌克.
分子生物情報学 動的計画法に基づく配列比較法 (ペアワイズアライメント法)
奈良女子大集中講義 バイオインフォマティクス (6) モチーフ発見・隠れマルコフモデル
生命情報学入門 タンパク質立体構造予測演習2011年5月31日
東京工業大学 機械制御システム専攻 山北 昌毅
ベイズ的ロジスティックモデル に関する研究
奈良女子大集中講義 バイオインフォマティクス (1) 分子生物学概観
生命情報学入門 機械学習を用いたタンパク質の分類法 2011年6月7日
「データ学習アルゴリズム」 第2章 学習と統計的推測 報告者 佐々木 稔 2003年5月21日 2.1 データと学習
HMM:隠れマルコフモデル 電子情報工学科 伊庭 斉志 奈良女子大集中講義 バイオインフォマティクス (6)
京都大学 化学研究所 バイオインフォマティクスセンター
ベイズ基準によるHSMM音声合成の評価 ◎橋本佳,南角吉彦,徳田恵一 (名工大).
誤差の二乗和の一次導関数 偏微分.
京都大学 化学研究所 バイオインフォマティクスセンター
分子生物情報学(7) 遺伝子発現データの情報解析法 スケールフリーネットワーク
京都大学 化学研究所 バイオインフォマティクスセンター
奈良女子大集中講義 バイオインフォマティクス (10) スケールフリーネットワーク
スペクトル・時系列データの前処理方法 ~平滑化 (スムージング) と微分~
第6章 連立方程式モデル ー 計量経済学 ー.
北大MMCセミナー 第76回 附属社会創造数学センター主催 Date: 2017年10月12日(木) 16:30~18:00
情報生命科学特別講義III (11) RNA二次構造予測
集中講義(九州大学数理学研究院) バイオ構造データに対する数理モデルと アルゴリズム(4) ブーリアンネットワーク
生命情報学基礎論 (5) タンパク質立体構造予測
生命情報学入門 配列のつなぎ合わせと再編成
九州大学大学院 情報学専攻特別講義 (9) ブーリアンネットワークの 解析と制御
膜タンパク質の 立体構造予測.
タップ長が一般化された 適応フィルタの統計力学
タンパク質相互作用の コンピュータによる予測と解析
確率的学習アルゴリズムを用いた有限状態オートマトンの抽出に関する研究
混合ガウスモデルによる回帰分析および 逆解析 Gaussian Mixture Regression GMR
確率的学習アルゴリズムを用いた有限状態オートマトンの抽出に関する研究
独立成分分析 5 アルゴリズムの安定性と効率 2007/10/24   名雪 勲.
カオス水車のシミュレーションと その現象解析
Introduction to Soft Computing (第11回目)
予測に用いる数学 2004/05/07 ide.
京都大学 化学研究所 バイオインフォマティクスセンター
タンパク質の進化 タンパク質は進化の過程でどのようにドメインを獲得してきたのだろうか? 今のタンパク質を調べることでわからないだろうか?
明治大学大学院理工学研究科 総合講義C バイオインフォマティクスにおける 数理的手法
九州大学大学院 情報学専攻特別講義 (3) 配列解析
分子生物情報学(2) 配列のマルチプルアライメント法
情報生命科学特別講義III (13) 固定パラメータアルゴリズムと 部分k木
分子生物情報学(3) 確率モデル(隠れマルコフモデル)に 基づく配列解析
統計解析 第1回 条件付き独立性と確率的グラフィカルモデル 本講義の全体像
知識科学研究科 知識システム構築論講座 林研究室 佛明 智
九州大学大学院 情報学専攻特別講義 (6) 固定パラメータアルゴリズムと 部分k木
生物情報ソフトウェア特論 (2)たたみ込みとハッシュに 基づくマッチング
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年6月25日 3.1 関数近似モデル
遺伝的交叉を用いた 並列シミュレーテッドアニーリングによる タンパク質立体構造予測
京都大学 化学研究所 バイオインフォマティクスセンター
HMM音声合成における 変分ベイズ法に基づく線形回帰
ベイズ基準による 隠れセミマルコフモデルに基づく音声合成
九州大学大学院 情報学専攻特別講義 (8) ニューラルネットワークの 離散モデル
奈良女子大集中講義 バイオインフォマティクス (7) 進化系統樹
九大数理談話会 複雑ネットワークと制御理論
生命情報学 (8) 生物情報ネットワークの構造解析
阿久津 達也 京都大学 化学研究所 バイオインフォマティクスセンター
情報生命科学特別講義III (3)たたみ込みとハッシュに 基づくマッチング
集中講義(東京大学)「化学システム工学特論第3」 バイオインフォマティクス的手法による化合物の性質予測(1) バイオインフォマティクス概観
分子生物情報学(0) バイオインフォマティクス
Presentation transcript:

奈良女子大集中講義 バイオインフォマティクス (9) 相互作用推定 阿久津 達也 京都大学 化学研究所 バイオインフォマティクスセンター

講義予定 9月5日 9月6日 9月7日 分子生物学概観 分子生物学データベース 配列アラインメント 実習1(データベース検索と配列アラインメント) 9月6日 モチーフ発見 隠れマルコフモデル カーネル法 進化系統樹推定 9月7日 タンパク質立体構造予測 相互作用推定 スケールフリーネットワーク 実習2(構造予測)

内容 相互作用の種類 遺伝子ネットワーク推定 タンパク質相互作用推定

相互作用の種類 遺伝子間相互作用 タンパク質間相互作用 化合物-タンパク質間相互作用 タンパク質-DNA間相互作用 どの遺伝子が、どの遺伝子を、どのように制御するか? タンパク質間相互作用 どのタンパク質と、どのタンパク質が結合するか? 化合物-タンパク質間相互作用 どの化合物と、どのタンパク質が結合するか? タンパク質-DNA間相互作用 どのタンパク質が、DNAのどの部分に結合するか?

遺伝子発現データからの遺伝子ネットワーク推定 DNAマイクロアレイ・DNAチップ技術の進歩により、数千種類の遺伝子の発現量が同時に測定可能となった そこで、環境変化(熱ショック、栄養状態)や発生、細胞分裂時の遺伝子の時系列データを観測して、その結果から遺伝子の制御関係(ネットワーク)を推定

ネットワーク推定のための離散モデル ブーリアンネットワーク ベイジアンネットワーク ペトリネットモデル 発現状態を 0,1 の2値で表現し、ブール関数により制御規則を表現 デジタル回路と本質的に同じ ベイジアンネットワーク 制御規則を確率的な規則を用いて表現 ペトリネットモデル トークンの遷移規則により制御規則を表現

ネットワーク推定のための連続モデル 線形微分方程式系 非線形微分方程式系 グラフィカルモデリング ハイブリッドペトリネット 線形の微分方程式で制御規則を表現 非線形微分方程式系 非線形の微分方程式で制御規則を表現 グラフィカルモデリング 変数の因果関係をグラフと確率を用いて表現 ハイブリッドペトリネット 微分方程式 + ペトリネット

線形微分方程式系を用いたネットワーク推定(1)  線形微分方程式系を用いたネットワーク推定(1) vi(t): 遺伝子 vi の時刻 t における発現量 各遺伝子の発現量の変化が以下の微分方程式に従うと仮定 問題: t=Δ, 2Δ, 3Δ, 4Δ, … における vi(t) の値が与えられたとして、すべての ai,j を推定 推定法: dvi(t)/dt を (vi(t+Δ) - vi(t))/Δ で近似 ⇒ 差分方程式 vi(t+Δ) - vi(t) は定数とみなせるので、この式は ai,j を未知変数とする連立一次方程式 最小二乗法などを用いて最適な解を計算

線形微分方程式系を用いたネットワーク推定(2)  線形微分方程式系を用いたネットワーク推定(2) vi(t): 遺伝子 vi の時刻 t における発現量 問題: t=Δ, 2Δ, 3Δ, 4Δ, … における vi(t) の値が与えられたとして、すべての ai,j を推定 この例のグラフと微分方程式の関係はイメージ図であり正確ではない

ドメイン間相互作用に基づくタンパク質相互作用推定 タンパク質はドメインとよばれる部品から構成されていると考えられる ドメイン間相互作用を直接計測するのは難しいか、一部のタンパク質間相互作用は実験により計測可能 既知のタンパク質間相互作用データからドメイン間相互作用を予測 未知のタンパク質間相互作用を、予測したドメイン間相互作用から推定

ドメイン間相互作用の予測(例) 左側の3種類の相互作用データから、右のドメイン間相互作用を推定

ドメイン間相互作用の確率モデル 確率モデル[Deng et al., 2002] どれか1組ドメインが相互作用すれば、   タンパク質どうしが相互作用 各ドメインペアの相互作用の確率は独立 Pij=1: タンパク質 Pi と Pj が相互作用 Dmn=1: ドメイン Dm と Dn が相互作用

アソシエーション法 既知データからのドメインどうしの相互作用の確率を頻度に基づいて推定 Imn: ドメインペア Dm, Dn を含むタンパク質のペアのうち、相互作用しているペアの個数 Nmn: ドメインペア Dm, Dn を含むタンパク質のペアの個数

EM法 尤度を以下(L)のように定義し、それを極大化する一般手法である EM法 を適用 fp: false positive rate, fn: false negative rate Pij: Pi と Pj が相互作用する確率 Oij: Pi と Pj の相互作用が観測される確率

まとめ 相互作用予測 遺伝子間相互作用推定(遺伝子ネットワーク推定) タンパク質間相互作用推定 様々な相互作用の種類がある 遺伝子間相互作用、タンパク質間相互作用、 ... 遺伝子間相互作用推定(遺伝子ネットワーク推定) 様々な数理モデルを用いた様々な方法が提案されている しかし、決定版とよべる方法はなく、高精度の予測は難しい タンパク質間相互作用推定 こちらも、様々な方法が提案されている やはり、決定版とよべる方法はなく、高精度の予測は難しい 参考文献 阿久津:バイオインフォマティクスの数理とアルゴリズム、共立出版、2007.