ランク学習を用いたNTDs薬剤標的タンパク質候補選択の改良

• Item type: SIG Technical Reports(1)
• 公開日: 2016-06-27
• タイトル: ランク学習を用いたNTDs薬剤標的タンパク質候補選択の改良
• タイトル / 言語: en
• タイトル: Improvement of NTDs drug target protein selection by learning to rank
• 言語: jpn
• 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: 東京工業大学情報理工学院情報工学系知能情報コース／東京工業大学情報生命博士教育院
• 著者所属: 東京工業大学情報理工学院情報工学系知能情報コース／東京工業大学情報生命博士教育院
• 著者名: 曽我, 光瑛; 石田, 貴士
• 著者名(英): Mitsuaki, Soga; Takashi, Ishida
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 寄生原虫感染症向け薬剤開発では，標的タンパク質候補が既に数百個以上知られており，標的タンパク質探索が大きな問題とならない一方，どのタンパク質を標的タンパク質として選択すべきかという問題がある．現在，寄生原虫のゲノム配列上に存在するタンパク質について構造情報，阻害化合物情報などを集約したデータベースが開発されており，標的タンパク質選択の大きな助けとなっている．しかし，非常に多様な情報が登録されているため，現在提供されている単純な検索機能や絞込機能では望ましい特徴を備えた標的タンパク質を得るのが困難であるという問題が生じている．そこで本研究では，ユーザに一部のタンパク質についてランク付けを行ってもらい，その情報から機械学習の一手法であるランク学習を用いて，ユーザの要求に特化された予測モデルを構築し，大量のタンパク質から望ましい標的候補を推薦する手法を提案する．その結果，ランク付け方針によっては高精度のランク予測が可能であり，訓練セットの数を減らしても高い精度でランクの予測が可能であることがわかった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In drug discovery for human parasitic protozoan diseases, high throughput experiments have revealed many drug target protein candidates. Thus, the selecting the most suitable target from them becomes a problem while many drug target protein candidates are available. Currently, several databases provide various information about those protozoa and we can use them for selecting suitable targets. However, the search functions in those systems are insufficient and it is difficult to obtain proteins with desirable features from many candidates. In this study, we proposed a new method to select proteins whose properties are suitable for a user based on learning to rank.
• 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 2016-MPS-108, 号 19, p. 1-6, 発行日 2016-06-27
• 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