DNA配列の複合モチーフを表現する隠れマルコフモデルの生成

• Item type: Journal(1)
• 公開日: 1999-02-15
• タイトル: DNA配列の複合モチーフを表現する隠れマルコフモデルの生成
• タイトル / 言語: en
• タイトル: Generation of Hidden Markov Model Describing Complex Motif in DNA Sequences
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• その他タイトル / その他のタイトル: 遺伝子情報処理
• 著者所属: 株式会社三菱総合研究所
• 著者所属: 株式会社情報数理研究所
• 著者所属: 電子技術総合研究所
• 著者所属: 明治大学
• 著者所属(英): en
• 著者所属(英): Mitsubishi Research Institute, Inc.
• 著者所属(英): en
• 著者所属(英): Information and Mathematical Science Laboratory, Inc.
• 著者所属(英): en
• 著者所属(英): Electrotechnical Laboratory
• 著者所属(英): en
• 著者所属(英): Meiji University
• 著者名: 矢田, 哲士; 十時, 泰; 浅井, 潔; 石川, 幹人
• 著者名(英): Tetsushi, Yada; Yasushi, Totoki; Kiyoshi, Asai; Masato, Ishikawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 我々は DNA配列群に含まれる複合モチーフを表現する隠れマルコフモデル(hidden Markov model: HMM)の生成手法を開発した. 本手法は (1)DNA配列群に含まれる要素モチーフを表現するHMM(要素モチーフHMM)を統計解析によって生成し (2)遺伝的プログラミング(genetic programming:GP)でそれらを組み合わせ 複合モチーフを表現するHMM(複合モチーフHMM)を構築する. (1)では 各要素モチーフに対応したleft-to-right型のHMM群を設計する. それらのモデル長は統計的な基準に従って要素モチーフごとに決定する. (2)では HMMを記述する確率付きの本表現を定義し GPを用いて木の構造が複合モチーフを表現するように最適化する. 木の非終端頂点には連結 確率付き選択 確率付き閉包などが 終端頂点には(1)で生成された要素モチーフHMMや任意の1文字を表すHMMが割りあてられる. 本手法では 要素モチーフHMMを事前に生成することやGPと相性の良い確率付きの木でHMMをエンコードすることで 複合モチーフHMMを効率的に生成することを実現した. ここで生成されたHMMは 複合モチーフに関する示唆に富んだ知見を提供するばかりでなく 未知のDNA配列において類似の複合モチーフを高い精度で検出することが示された.
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We have developed a method for the generation of hidden Markov model (HMM) representing complex motif in DNA sequences. The procedures of the method are as follows; (1) design of HMMs for elements motifs in given DNA sequences; (2) construction of a complex motif HMM consisting of the elemental motif HMMs. Statistical analysis and genetic programmming (GP) were applied to the respective procedures. At step (1), left-to-right HMMs were designed and their lengths were determined by a statistical significance. At step (2), probabilistic tree describing HMMs was defined and its structure was optimized by GP against a complex motif. Concatenation, probabilistic union, probabilistic closure, etc. were attached to nonterminal nodes. The elemental motif HMMs and an HMM for any a letter were attached to terminal nodes. In the method, the advance design of elemental motif HMMs and adoption of probabilistic tree as encoding rule of GP lead to efficient generation of complex motif HMM. IT was observed that the generated HMM can detect the complex motif in uncharacterized DNA sequences with high accuracy. Further, the HMM is full of interesting suggestions of the complex motif.
• 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: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 40, 号 2, p. 750-767, 発行日 1999-02-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764