タンパク質間の形状相補性に関する統計量を用いた親和性予測法の高精度化

• Item type: SIG Technical Reports(1)
• 公開日: 2008-03-06
• タイトル: タンパク質間の形状相補性に関する統計量を用いた親和性予測法の高精度化
• タイトル / 言語: en
• タイトル: Improvement in Accuracy of Affinity Prediction Method Using Statistics for Shape Complementarity between Proteins
• 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: 産業技術総合研究所生命情報工学研究センター／大阪大学大学院情報科学研究科
• 著者所属: 産業技術総合研究所生命情報工学研究センター
• 著者所属: 産業技術総合研究所生命情報工学研究センター
• 著者所属: 産業技術総合研究所生命情報工学研究センター
• 著者所属(英): en
• 著者所属(英): Computational Biology Research Center (CBRC), National Institute of Advanced Industrial Science and Technology (AIST) / Graduate School of Information Science and Technology, Osaka University
• 著者所属(英): en
• 著者所属(英): Computational Biology Research Center (CBRC), National Institute of Advanced Industrial Science and Technology (AIST)
• 著者所属(英): en
• 著者所属(英): Computational Biology Research Center (CBRC), National Institute of Advanced Industrial Science and Technology (AIST)
• 著者所属(英): en
• 著者所属(英): Computational Biology Research Center (CBRC), National Institute of Advanced Industrial Science and Technology (AIST)
• 著者名: 吉川, 達也; 塚本, 弘毅; 蓬来祐一郎; 福井, 一彦
• 著者名(英): Tatsuya, Yoshikawa; Koki, Tsukamoto; Yuichiro, Hourai; Kazuhiko, Fukui
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: タンパク質とは，生命活動を支える重要な物質の一つである．これらタンパク質固有の機能は，他のタンパク質との相互作用 （PPI: Protein-Protein Interaction） によって発現することが解っている．この PPI に関する研究は，生命現象の解明はもとより，最近では医薬品開発の分野でも注目されている．本研究では，全7056個中に84個の生物学的有意性を持ったタンパク質ペア （BSPPs: Biological Significant Protein Pairs） を含むデータセットを用いて，prevalence=1.19% の高難易度な BSPPs 予測問題を設定した．予測精度に影響を及ぼすと考えられる4つのパラメータから計144個のパラメータセットを作成し，評価実験を行った結果，F-measure 最大となるパラメータセットにおいて，sensitivity (=recall) =27.4%，specificity =91.0%，precision =3.53%，accuracy =90.2%，F-measure=6.25% の結果を得た．これは BSPPs を無作為抽出した場合 （F-easure=2.32%） と比較して，約 2.69倍の予測精度を獲得しており，タンパク質間親和性予測法の精度向上におけるパラメータ最適化の有効性を示している．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The protein is one of the important materials that support a vital activity in vivo. It is understood that the function of these protein endemics appears by the interaction with other proteins. One of the purposes of PPI is to clarify the life phenomenon, and is paid to attention also in the field of the drug development recently. In this paper, we set a BSPPs (Biological Significant Protein Pairs) prediction problem of high difficulty of which the prevalence ration is 1.19%. And we made the 144 parameter sets by detecting the 4 key parameters related to the definition of an affinity score. As a result of evaluation experiment, our affinity prediction method obtained 27.4% sensitivity, 91.0% specificity, 27.4% recall, 3.53% precision, 90.2% accuracy and 6.25% F-measure in a parameter set that F-measure is maximum. The prediction accuracy of this result was about 2.69 times higher than that of 2.32% F-measure in the case of extracting BSPPs at random. It shows the effectiveness of optimizing the clustering parameters in the improvement in accuracy of affinity prediction method.
• 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: 情報処理学会研究報告数理モデル化と問題解決（MPS）; 巻 2008, 号 17(2008-MPS-068), p. 185-188, 発行日 2008-03-06
• 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