主成分分析を用いた教師なし学習による出芽酵母の時間周期遺伝子発現プロファイルの解析

• Item type: SIG Technical Reports(1)
• 公開日: 2016-09-21
• タイトル: 主成分分析を用いた教師なし学習による出芽酵母の時間周期遺伝子発現プロファイルの解析
• タイトル / 言語: en
• タイトル: Principal component analysis based unsupervised feature extraction applied to budding yeast temporally periodic gene expression
• 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: 中央大学理工学部物理学科
• 著者名: 田口, 善弘
• 著者名(英): Y-H., Taguchi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 遺伝子発現プロファイルから 「重要な」 遺伝子を選択することは広く行われているが依然として 「統計的に有意に大きな発現差があるもの」 という古典的な基準が大半の研究で行われているのが現状である．しかし，この戦略は多クラスがある場合の実験には適応が難しい．ペアワイズに比較するとペアの数だけ遺伝子セットが選ばれてしまい，解釈が難しくなる．著者は近年，この問題を解決するため，主成分分析を用いた教師なし学習による変数選択を提案し，様々な場合の遺伝子選択に用いてきた．本研究では出芽酵母の細胞分裂周期遺伝子の選択というやり尽くされた感がある問題にあえてこの手法を用いることで一般的な正弦回帰による変数選択を凌ぐ性能をあげることを見出した [1] のでここに報告する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Although identifying “critical genes” based upon gene expression profiles are widely employed, significant differential expression is an only criterion widely employed; this strategy is hardly applied to multi class problems. The series of pairwise comparisons results in identification of sets of genes as many as the number of pairwise comparisons, which makes the interpretation harder. Principal component analysis (PCA) based unsupervised feature extraction (FE) was recently proposed and applied to many biological problems by the author in order to overcome this difficulty. In this study, I intentionally applied this methodology to the extensively studied problem, budding yeast cell division cycle genes identification. PCA based unsupervised FE turned out to outperform traditional sinusoidal fittings.
• 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 2016-BIO-47, 号 5, p. 1-6, 発行日 2016-09-21
• 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