WEKO3
アイテム
代謝モデルを最適化するためのカオス探索を導入した実数型遺伝的アルゴリズム
https://ipsj.ixsq.nii.ac.jp/records/241336
https://ipsj.ixsq.nii.ac.jp/records/241336516b6db9-85f5-49ae-a1ab-e31f82b40d64
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-BIO24080008.pdf (790.6 kB)
2026年11月27日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, BIO:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-11-27 | |||||||||
| タイトル | ||||||||||
| タイトル | 代謝モデルを最適化するためのカオス探索を導入した実数型遺伝的アルゴリズム | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | A real-coded genetic algorithm introducing chaotic search to optimize metabolic models | |||||||||
| 言語 | ||||||||||
| 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 | ||||||||||
| 立命館大学 | ||||||||||
| 著者所属 | ||||||||||
| 立命館大学 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Ritsumeikan University | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Ritsumeikan University | ||||||||||
| 著者名 |
神田, 裕也
× 神田, 裕也
× 遠里, 由佳子
|
|||||||||
| 著者名(英) |
Yuya, Kanda
× Yuya, Kanda
× Yukako, Tohsato
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 代謝制御を理解するためには，生化学反応を常微分方程式で記述した代謝モデルが有効である．代謝モデルが生体内の挙動の再現するように，計測データに基づくパラメータ (変数) の最適化が必要になる．その従来手法の一つである実数型遺伝的アルゴリズム（RCGA: Real-coded Genetic Algorithm）では，探索が局所解に陥るのを防ぐため解候補となる集団の多様性の維持と，収束速度の改善が課題となる．本研究では，AREX と呼ばれる交叉と JGG と呼ばれる世代交代モデルを用いた RCGA（AREX/JGG）に，カオスの性質を持つ関数を用いた突然変異を加えた手法を提案した．代表的なベンチーマーク関数に対し，RCGA の初期の探索空間の外に最適解がある場合に，また，解糖系の代謝モデルにおいては，初期の探索空間の内外に関わらず，提案手法が AREX/JGG よりも優れていることを確認した． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | To understand metabolic regulation, metabolic models that describes biochemical reactions using ordinary differential equations are effective. For the models to reproduce the in vivo behavior, p arameter optimization based on measurement data is essential. In one of the previous methods, the Real-coded Genetic Algorithm (RCGA), the challenge is to maintain the diversity of the population of candidate solutions and improving the convergence speed to prevent the search from falling into local solutions. In this study, we proposed a method that enhances the RCGA, which uses AREX for a crossover and JGG for an alternation of generations (AREX/JGG), by incorporating a mutation using a function with chaotic properties. For representative benchmark functions for RCGA, our method outperformed AREX/JGG when the optimal solution for parameters is outside the initial search space, and in a metabolic model for Glycolysis, it showed superior performances regardless of whether the optimal solution was within or outside the initial search space. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA12055912 | |||||||||
| 書誌情報 |
研究報告バイオ情報学（BIO） 巻 2024-BIO-80, 号 8, p. 1-6, 発行日 2024-11-27 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | 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 | |||||||||
