多様な実験設定におけるランク学習を用いた化合物スクリーニングの性能評価

資料種別: 記事

著者: 古井, 海里ほか

出版者: 情報処理学会

出版年: 2022-06

資料形態: 紙

掲載誌名: 研究報告バイオ情報学（BIO） 2022-BIO-70 49

掲載ページ: p.1-6

すべて見る

資料に関する注記

一般注記：: 情報検索分野で発展してきたランク学習手法が，リガンドベースのバーチャルスクリーニング (LBVS) に活用されている．ランク学習は順序関係を学習する機械学習の枠組みであり，異なる環境の実験データを統合するのに適しているという利点が注目されている．我々の取り組みで，複数の環境のアッセイデータが得られる...

全国の図書館の所蔵

国立国会図書館以外の全国の図書館の所蔵状況を表示します。

連携機関・データベースの一覧

所蔵のある図書館から取寄せることが可能かなど、資料の利用方法は、ご自身が利用されるお近くの図書館へご相談ください

その他

東京工業大学リサーチリポジトリ
紙
連携先のサイトで、学術機関リポジトリデータベース（IRDB）（機関リポジトリ）が連携している機関・データベースの所蔵状況を確認できます。
東京工業大学リサーチリポジトリのサイトでこの本を確認

書誌情報

この資料の詳細や典拠（同じ主題の資料を指すキーワード、著者名）等を確認できます。

紙

資料種別: 記事
タイトル: 多様な実験設定におけるランク学習を用いた化合物スクリーニングの性能評価
著者・編者: 古井, 海里
Furui, Kairi
大上, 雅史
Ohue, Masahito
著者標目: 古井, 海里
Furui, Kairi
大上, 雅史
Ohue, Masahito
出版事項: 情報処理学会
出版年月日等: 2022-06
出版年（W3CDTF）: 2022-06
タイトル（掲載誌）: 研究報告バイオ情報学（BIO）
巻号年月日等（掲載誌）: 2022-BIO-70 49
掲載巻: 2022-BIO-70
掲載号: 49
掲載ページ: 1-6
ISSN（掲載誌）: ISSN : 2188-8590
本文の言語コード: jpn
対象利用者: 一般
一般注記: 情報検索分野で発展してきたランク学習手法が，リガンドベースのバーチャルスクリーニング (LBVS) に活用されている．ランク学習は順序関係を学習する機械学習の枠組みであり，異なる環境の実験データを統合するのに適しているという利点が注目されている．我々の取り組みで，複数の環境のアッセイデータが得られる状況において，新規標的に対するランキング予測が回帰モデルよりも予測精度の面で優れていることを明らかにした．しかし，標的と同ファミリーのタンパク質や標的そのものに関するアッセイ情報が全く無い，あるいは少し存在するなどの様々な状況下において LBVS にランク学習が適しているかは未知であった．また，従来研究で用いられていた NDCG (Normalized Discounted Cumulative Gain) 指標は他のモデルと比較して優れているかのみを評価するため，予測モデルがランダムな結果よりも悪い結果を出したかどうか考慮できないという問題があった．本研究は，多様なアッセイ情報の保有状況を想定した学習データを用いて，ランク学習手法の LBVS 性能を検証した．結果として，ランク学習手法はランキング予測において回帰と同等以上の予測精度であり，特に標的と関連するアッセイが複数存在する状況でランク学習のデータ統合が有効である可能性が示唆された．さらに，ランダムな予測を基準とした予測性能を評価する目的で新たに提案したランキング指標「Normalized Enrichment Discounted Cumulative Gain (NEDCG)」が，複数のテストデータについて予測結果の良し悪しを評価するのに適していた．
identifier:oai:t2r2.star.titech.ac.jp:50622567
連携機関・データベース: 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）
https://irdb.nii.ac.jp
提供元機関・データベース: 東京工業大学 : 東京工業大学リサーチリポジトリ