奈良女子大集中讲义.ppt

奈良女子大集中講義バイオインフォマティクス (6)カーネル法 阿久津　達也 京都大学　化学研究所 バイオインフォマティクスセンター 講義予定 9月5日 分子生物学概観 分子生物学データベース 配列アラインメント 実習１（データベース検索と配列アラインメント） 9月6日 モチーフ発見 隠れマルコフモデル カーネル法 進化系統樹推定 9月7日 タンパク質立体構造予測 相互作用推定 スケールフリーネットワーク 実習２（構造予測） 内容 発現データを用いた腫瘍細胞の分類 サポートベクターマシン 配列解析のためのカーネル タンパク質細胞内局在性予測への応用 腫瘍細胞分類 発現データを観測することにより、腫瘍細胞の詳細な分類を行う 抗がん剤の適切な投与などに応用できる可能性 Eric Landerらの研究-I (1999) 急性白血病の分類 ６８００個程度の遺伝子の発現データを利用 ７２サンプル ALL (acute lymphoblastic leukemias) AML (acute myeloid leukemias) Eric Landerらの研究II 急性白血病のデータ(Golub et al, 1999) 38+34の患者の6817遺伝子の発現量を　　AffymetrixのDNAチップで計測 ALL と AML のクラス分け B-CELL ALL と　T-CELL ALL のクラス分け 多数決により決定（ただし、差が少ない場合には判定不能とする） Eric Landerらの研究III クラス予測 与えられたデータがどの既知クラスに入るかを推定 （重み付き）多数決により推定 クラス発見 新たな腫瘍のタイプを発見 自己組織化マップ（クラスタリング技法の一種）を利用 Informative Gene クラス予測に有用な遺伝子セット クラス分けとの相関に基づき選択 Feature Selection （AI分野で数多くの研究） 発現データからの細胞分類 (遺伝子２の発現量)＋(遺伝子３の発現量)＋(遺伝子４の発現量)10.0 　　?ALL と推定 遺伝子１ 遺伝子２ 遺伝子３ 遺伝子４ 遺伝子５ 遺伝子６ タイプ Sample1 1.1 4.5 4.1 2.1 0.4 4.3 ALL Sample2 2.2 2.6 5.0 5.3 0.5 3.4 ALL Sample3 1.3 4.8 2.5 3.9 0.8 4.8 ALL Sample4 0.8 4.6 4.3 4.5 0.3 3.5 ALL Sample5 0.9 0.2 2.7 1.1 0.4 3.7 AML Sample6 0.9 3.0 0.5 2.8 1.2 4.3 AML Sample7 1.7 2.5 1.1 3.1 0.2 4.2 AML サポートベクターマシン (1) カーネル法の一つ 1990年代に、Cortes と　Vapnik が発明 トレーニングデータとして与えられた正例と負例から、それらを分離する超平面を計算 　　　?　学習＝超平面の計算 機械学習、統計学、人工知能、パターン認識、バイオインフォマティクスなど様々な分野に応用 配列分類 タンパク質フォールド予測、二次構造予測 遺伝子発現データ解析 タンパク質相互作用予測 化合物の性質推定 サポートベクターマシン (2) 正例と負例を与えて、それらを最適（マージンを最大）に分離する超平面を学習 例＝点 カーネルを適切に定義することにより超平面以外での分離が可能 SVMによるテストデータの分類 SVM: サポートベクターマシン SVMの利用法 学習データより超平面を学習 新たなデータ（テストデータ）については、超平面に対する上下で正負を判定 サポートベクターマシンと細胞分類 白血病の場合 正例： ALL 負例: AML 学習データ テストデータ（新しい患者） 青い点線より上側ならALLと診断 下側ならAMLと診断 カーネル サポートベクターマシン：基本的には超平面で分離 Φ(x) (特徴ベクトル）：「非線形曲面?超平面」に写像 カーネル：　K(x,y)=φ(x)?φ(y) x と y の類似度が高い ? K(x,y)が大 カーネルの定義 関数 K: X×X→ R がカーネル　　 iff. 　　X から内積空間 F への写像φが存在し、　　 　　とかける マーセルの定理 X を有限空間とし、K(x,y) を X 上の対称関数とすると、 　K(x,y) がカーネル　　 iff. 　行列 K=(K(xi,xj)) (i, j=1,…,n) が半正定値 行列 K が半正定値 iff. K の固有値がすべて非負 iff. (?x) (xtKx ? 0) カ