半教師付き学習を用いた薬物クリアランス経路予測

• Item type: SIG Technical Reports(1)
• 公開日: 2014-06-18
• タイトル: 半教師付き学習を用いた薬物クリアランス経路予測
• タイトル / 言語: en
• タイトル: Drug clearance pathway prediction using semi-supervised learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 合同企画セッション：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
• 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(英): en
• 著者所属(英): Graduate School of Information Science and Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Engineering, Tokyo Institute of Technology / Education Academy of Computational Life Sciences, Tokyo Institute of technology
• 著者名: 柳澤, 渓甫; 石田, 貴士; 秋山, 泰
• 著者名(英): Keisuke, Yanagisawa; Takashi, Ishida; Yutaka, Akiyama
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，新薬開発にかかる時間および費用は莫大なものであり，この費用や開発期間の削減が求められている．薬剤候補化合物が新薬として認められるためには体内で代謝・排泄されるという安全性を確認する必要があるが，この観点から計算機を用いることで薬物候補化合物の早期の選定を行うのが薬物クリアランス経路予測と呼ばれるものである．この予測問題は既知薬物のクリアランス経路を利用して学習を行うが，この情報を得るには実験が必要となるため，データ数が少ないことが問題となっている．そこでこの予測問題に対する半教師付き学習の有用性を評価し，この手法を用いることで予測精度の改善を試みた．また，入力の特徴量を増加させることが有効であると考え，貪欲法により 802 個の化合物記述子より選択した特徴量の追加を行い，その効果も検証した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Nowadays, drug development requires too much time and budget, and it is necessary to reduce them. In order to accept a compound as a new drug, it must be confirmed that it is metabolized and excreted. In this respect, one of the computational methods used for selecting compounds is drug clearance pathway prediction. This prediction method uses well-known drug's clearance pathway data as a training set. However data is expensive to get, and thus there are too few data. For this reason, we evaluated the usefulness of semi-supervised learning in this prediction problem, and tried to improve accuracy of this clearance pathway prediction. We also tried to add some features of compounds which are selected from 802 features by greedy algorithm to improve accuracy and evaluated their effect.
• 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 2014-BIO-38, 号 10, p. 1-6, 発行日 2014-06-18
• 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