SVMとDeep Learningに基づくヒトc-Yesキナーゼ阻害化合物の予測

• Item type: SIG Technical Reports(1)
• 公開日: 2015-06-16
• タイトル: SVMとDeep Learningに基づくヒトc-Yesキナーゼ阻害化合物の予測
• タイトル / 言語: en
• タイトル: Prediction of Human c-Yes Kinase Inhibitors by SVM and Deep Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: バイオデータマイニング
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京工業大学大学院情報理工学研究科計算工学専攻／東京工業大学情報生命博士教育院
• 著者所属: 東京工業大学大学院情報理工学研究科計算工学専攻／東京工業大学情報生命博士教育院
• 著者所属: 東京工業大学大学院情報理工学研究科計算工学専攻
• 著者所属: 東京工業大学大学院情報理工学研究科計算工学専攻／東京工業大学情報生命博士教育院
• 著者所属: 東京工業大学大学院情報理工学研究科計算工学専攻／東京工業大学情報生命博士教育院
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, Graduate School of Information Science and Engineering, Tokyo Institute of Technology / Education Academy of Computational Life Sciences, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, Graduate School of Information Science and Engineering, Tokyo Institute of Technology / Education Academy of Computational Life Sciences, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, Graduate School of Information Science and Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, Graduate School of Information Science and Engineering, Tokyo Institute of Technology / Education Academy of Computational Life Sciences, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, Graduate School of Information Science and Engineering, Tokyo Institute of Technology / Education Academy of Computational Life Sciences, Tokyo Institute of Technology
• 著者名: 鈴木, 翔吾; 柳澤, 渓甫; 大上, 雅史; 石田, 貴士; 秋山, 泰
• 著者名(英): Shogo, D.Suzuki; Keisuke, Yanagisawa; Masahito, Ohue; Takashi, Ishida; Yutaka, Akiyama
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 新薬開発にはバーチャルスクリーニングという，新薬候補化合物をコンピュータ上で選別する手法が広く用いられている．バーチャルスクリーニングには，標的タンパク質に対する阻害活性が既知の化合物情報を用いるリガンドベースの手法 （ligand-based method） があるが，これには様々な機械学習やデータマイニングの手法が用いられている．本研究では，SVM と Deep Learning の 2 種類の学習方法を用いて標的阻害化合物の予測モデルを構築した．また，Deep Learning の出力層に SVM を用いた予測モデルを構築した．そして，これら 3 つの予測モデルをヒト c-Yes キナーゼ阻害化合物の予測に適用し，精度の評価を行った．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Virtual Screening (VS) is widely used in the process of a new drug development. A ligand-based method which is widely used in VS uses molecular descriptors of compounds of which inhibition activity for a target protein is proved. In ligand-based methods, many methods of machine learning or data mining are used. In this research, we constructed prediction models for target inhibition compounds by SVM and Deep Learning. In addition to the models, we constructed a prediction model by Deep Learning whose output layer is SVM. Finally, we applied these three models to prediction of human c-Yes kinase inhibitors and evaluated their accuracy.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2015-MPS-103, 号 36, p. 1-7, 発行日 2015-06-16
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会