グラフニューラルネットワークを用いたメタゲノムアセンブリのためのノードクラス分類

• Item type: SIG Technical Reports(1)
• 公開日: 2022-03-03
• タイトル: グラフニューラルネットワークを用いたメタゲノムアセンブリのためのノードクラス分類
• 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: 早稲田大学
• 著者所属: 早稲田大学
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者名: 新村, 光輝; 清水, 佳奈
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: メタゲノムアセンブリにおいて多くの場合，アセンブリグラフが各生物種で独立したグラフとはならず，複数の生物種由来のサブグラフが融合したグラフとなってしまう．これは，異なる生物種間で類似した配列がそれぞれの生物種に対応したサブグラフをつなげてしまうことに起因する．メタゲノムのアセンブリグラフにおいて，このようなサブグラフの融合を引き起こす原因となるノードをキメラノードと定義する．キメラノードを検出しグラフを適切に分割することができれば，個々の生物種に対応するサブグラフが得られるため，アセンブリ精度の向上が期待できる．そこで本研究では，de Bruijn graphを対象とした新たなキメラノード検出手法を提案する．キメラノード検出に関する従来研究において深層学習を用いた手法が提案されているが，各ノード周辺の特徴量のみを利用していた．これに対し本研究では，グラフニューラルネットワークを用いることにより，グラフの広域情報を利用した予測を行った．この際，各ノードに対する入出力の向きを考慮するモデルを用いた．シミュレーションデータを用いた実験において，提案手法は既存手法であるMetaVelvet-DLより高い汎化性能を示した．
• 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: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2022-BIO-69, 号 11, p. 1-3, 発行日 2022-03-03
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8590
• 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