慶應義塾大学学術情報リポジトリ(KOARA)KeiO Associated Repository of Academic resources

慶應義塾大学学術情報リポジトリ(KOARA)

ホーム  »»  アイテム一覧  »»  アイテム詳細

アイテム詳細

アイテムタイプ Article
ID
KAKEN_16K00404seika  
プレビュー
画像
thumbnail  
キャプション  
本文
KAKEN_16K00404seika.pdf
Type :application/pdf Download
Size :300.1 KB
Last updated :Mar 5, 2021
Downloads : 214

Total downloads since Mar 5, 2021 : 214
 
本文公開日
 
タイトル
タイトル 次世代シークエンシングデータを利用した機械学習によるRNA二次構造予測の高精度化  
カナ ジセダイ シークエンシング データ オ リヨウシタ キカイ ガクシュウ ニ ヨル RNA ニジ コウゾウ ヨソク ノ コウセイドカ  
ローマ字 Jisedai shīkuenshingu dēta o riyōshita kikai gakushū ni yoru RNA niji kōzō yosoku no kōseidoka  
別タイトル
名前 Improving the accuracy of RNA secondary structure prediction by machine learning based on next-generation sequencing data  
カナ  
ローマ字  
著者
名前 佐藤, 健吾  
カナ サトウ, ケンゴ  
ローマ字 Satō, Kengo  
所属 慶應義塾大学・理工学部 (矢上) ・講師  
所属(翻訳)  
役割 Research team head  
外部リンク 科研費研究者番号 : 20365472
 
出版地
 
出版者
名前  
カナ  
ローマ字  
日付
出版年(from:yyyy) 2020  
出版年(to:yyyy)  
作成日(yyyy-mm-dd)  
更新日(yyyy-mm-dd)  
記録日(yyyy-mm-dd)  
形態
1 pdf  
上位タイトル
名前 科学研究費補助金研究成果報告書  
翻訳  
 
 
2019  
 
開始ページ  
終了ページ  
ISSN
 
ISBN
 
DOI
URI
JaLCDOI
NII論文ID
 
医中誌ID
 
その他ID
 
博士論文情報
学位授与番号  
学位授与年月日  
学位名  
学位授与機関  
抄録
部分的な構造情報である二次構造プロファイルを弱レベル学習データとして利用可能とする機械学習アルゴリズムを開発し,既存手法よりも精密な二次構造モデルを大量の二次構造プロファイルから学習することによって,過学習を回避しつつRNA二次構造予測の精度向上を目指す.まず,既存のTurner熱力学モデルに基づく自由エネルギー最小化法と構造化SVMによるパラメータ学習法を融合することによってより頑健かつ高精度なRNA二次構造予測手法の開発を行った.計算機実験の結果,既存の手法に見られる過学習は観測されず,予測精度の向上が確認された.
We have developed a machine learning algorithm that makes it possible to use secondary structure profiles, which are partial structural information, as weak-level learning data, and aims to improve the accuracy of RNA secondary structure prediction without overfitting by learning a large number of secondary structure models that are more precise than existing methods. First, we developed a more robust and accurate method for RNA secondary structure prediction by integrating the free energy minimization method based on the existing Turner thermodynamic model with the machine learning method using a structured SVM. The results of the computer experiments showed that no overfitting was observed, unlike in the existing methods, and the prediction accuracy was improved.
 
目次

 
キーワード
バイオインフォマティクス  

RNA二次構造予測  

機械学習  
NDC
 
注記
研究種目 : 基盤研究 (C) (一般)
研究期間 : 2016~2019
課題番号 : 16K00404
研究分野 : バイオインフォマティクス
 
言語
日本語  

英語  
資源タイプ
text  
ジャンル
Research Paper  
著者版フラグ
publisher  
関連DOI
アクセス条件

 
最終更新日
Mar 05, 2021 13:19:12  
作成日
Mar 05, 2021 13:19:12  
所有者
mediacenter
 
更新履歴
Mar 5, 2021    インデックス を変更
 
インデックス
/ Public / 科学研究費補助金研究成果報告書 / 2019年度 / 日本学術振興会
 
関連アイテム
 

ランキング

最も多く閲覧されたアイテム
1位 新自由主義に抗す... (425) 1st
2位 斎藤隆夫の「粛軍... (342)
3位 認知文法から考え... (263)
4位 慶應義塾図書館史... (261)
5位 M&Aにおける... (249)

最も多くダウンロードされたアイテム
1位 <<Qu'... (1469) 1st
2位 新参ファンと古参... (427)
3位 731部隊と細菌戦 ... (316)
4位 新自由主義に抗す... (273)
5位 日本における美容... (259)

LINK

慶應義塾ホームページへ
慶應義塾大学メディアセンターデジタルコレクション
慶應義塾大学メディアセンター本部
慶應義塾研究者情報データベース