Download presentation
Presentation is loading. Please wait.
1
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
生命科学基礎論 (第9回) 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
2
内容 最尤法、ベイズ推定、MAP推定 隠れマルコフモデルによる推定 文脈自由文法によるRNA二次構造予測
3
バイオインフォマティクスにおける確率統計
重要なのはデータからのモデル（もしくはパラメータ）の推定 最尤法 ベイズ推定 最大事後確率推定（MAP）
4
最尤推定 P(D|θ) （尤度） 最尤法 例 モデルパラメータ θ のもとでのデータ D の出現確率 P(D|θ) を最大化する θ を選ぶ
コインを5回投げて、表が3回出た後、裏が2回出た p(表)=a, p(裏)=1-a とするとP(D|θ)=a3(1-a)2 a=3/5の時、 P(D|θ) は最大 一般に表が出る頻度を f とすると a=f で尤度は最大
5
ベイズ推定とMAP推定 ベイズ推定：尤度とモデル（パラメータ）の事前確率から、ベイズの定理により、事後確率を推定 最大事後確率（MAP）推定
P(D|θ)P(θ)を最大化するθを計算 P(θ)が一様分布なら最尤推定と同じ
6
不正サイコロのベイズ推定 公正サイコロと不正サイコロ ６が３回続けて出た場合の事後確率 公正：P(i|公正)=1/6
不正：P(6|不正)=1/2,P(i|不正)=1/10 for i≠6 P(公正)=0.99, P(不正)=0.01 ６が３回続けて出た場合の事後確率
7
隠れマルコフモデル(HMM) ek(b) HMM≒有限オートマトン＋確率 定義 出力記号集合Σ 状態集合 S={1,2,…n}
akl 出力確率 ek(b) （開始状態= 終了状態= 0)
8
HMMにおける基本アルゴリズム Viterbiアルゴリズム Baum-Welchアルゴリズム (EMアルゴリズム）
出力記号列から状態列を推定 Parsing（構文解析） Baum-Welchアルゴリズム (EMアルゴリズム） 出力記号列からパラメータを推定 Learning（学習）
9
時々いかさまをするカジノ サイコロの出目だけが観測可能、どちらのサイコロを振っているかは観測不可能
サイコロの出目から、どちらのサイコロを振っているかを推定 6,2,6,6,3,6,6,6, 4,6,5,3,6,6,1,2 →不正サイコロ 6,1,5,3,2,4,6,3, 2,2,5,4,1,6,3,4 →公正サイコロ 6,6,3,6,5,6,6,1, 5,4,2,3,6,1,5,2 →途中で公正サイ コロに交換
10
Viterbi アルゴリズム(1) 観測列（出力配列データ） x=x1…xLと状態列π=π1…πLが与えられた時、その同時確率は
P(x,π)=a0 π1Πeπi (xi)aπiπi 但し、πL+1=0 xが与えられた時の、最も尤もらしい状態列は π*=argmaxπ P(x,π) 例：どちらのサイコロがいつ使われたかを推定
11
Viterbiアルゴリズム(2) xから、π*=argmaxπ P(x,π) を計算
そのためにはx1…xiを出力し状態kに至る確率最大の状態列の確率 vk(i) を計算 vk(i)は以下の式に基づき動的計画法で計算
12
Viterbiアルゴリズム(3)
13
EM(Expectation Maximization) アルゴリズム
「欠けているデータ」のある場合の最尤推定のための一般的アルゴリズム 最大化は困難であるので、反復により尤度を単調増加させる（θtよりθt+1を計算） HMMの場合、「欠けているデータ」は状態列
14
EMアルゴリズムの導出
15
EMアルゴリズムの一般形 初期パラメータ Θ0 を決定。t=0とする。
Q(θ|θt)=∑P(y|x, θt) log P(x,y|θ) を計算。 Q(θ|θt)を最大化するθ*を計算し、 θt+1 = θ* とする。t=t+1とする。 Qが増大しなくなるまで、２，３を繰り返す。
16
前向きアルゴリズム 配列xの生成確率 P(x)=∑P(x,π) を計算 Viterbiアルゴリズムと類似
fk(i)=P(x1…xi,πi=k) をDPにより計算
17
後向きアルゴリズム bk(i)= P(xi+1…xL|πi=k) をDPにより計算 P(πi=k|x) = fk(i)bk(i)/P(x)
18
HMMに対するEMアルゴリズム （Baum-Welchアルゴリズム）
19
Baum-WelchのEMによる解釈
20
配列アライメント ２個もしくは３個以上の配列の類似性の判定に利用 文字間の最適な対応関係を求める（最適化問題）
２個の場合：ペアワイズアライメント ３個以上の場合：マルチプルアライメント 文字間の最適な対応関係を求める（最適化問題） 配列長を同じにするように、ギャップ記号（挿入、欠失に対応）を挿入 入力配列が定数個（実用上は３個まで）の場合は動的計画法で多項式時間で最適解を計算可能、それ以外の場合はNP困難
21
プロファイルHMM(1) 配列をアライメントするためのHMM タンパク質配列分類やドメイン予測などに有用
PFAM( 一致状態(M)、欠失状態(D)、挿入状態(I)を持つ
22
プロファイルHMM(2) マルチプル アラインメント プロファイル HMM
23
参考文献 参考文献 レポート課題のための参考WWWページ
阿久津、浅井、矢田 訳： バイオインフォマティクス －確率モデルによる遺伝子配列解析―、医学出版 (2000) レポート課題のための参考WWWページ アミノ酸配列データ取得 ゲノムネット（ アミノ酸配列データ: SwissProt タンパク質立体構造データ： PDB 構造予測 CAFASP３参照（ GTOP（ PHD（
24
レポート課題 インターネット上で利用可能な立体構造予測ソフト（２次構造予測でも可）を２種類以上利用し、得られた結果について比較、考察せよ。ただし、各サーバーに負荷をかけすぎないようにテストデータ（アミノ酸配列）は３種類以下とすること。 提出先：１０号館事務室のレポート提出ＢＯＸ 提出期限：６月２０日(金)
Similar presentations
