| |
 |
|
|
 |
| |
マイクロアレイを使って得た遺伝子発現データはノイズが多いことが知られています．遺伝子発現データから医療診断をはじめとする様々な予測を行うことが期待されていますが，このノイズの影響で診断の精度が悪くしています．そこで，似た遺伝子同士は似た発現をする性質に注目し，前述の複数の異質データを選択的に用いてノイズを除去するアルゴリズムを開発しました．実験の結果，このアルゴリズムを使ってノイズを除去したほうが，抗がん剤の薬剤応答を精度よく予測することを確認しました． |
|
| |
 |
|
| |
図１ (a)ひとつの遺伝子に注目して，似たもの同士からなる部分空間を形成します．似たものといっても，それはデータの種類によって異なります．そこで各データに対してそれぞれ部分空間を作ります．(b)その複数の部分空間を選択的に用いながら射影を行ってノイズ除去をします． |
|
| |
 |
|
| |
図２ 雑音除去したデータをPrincipal component regression という回帰モデルを使って薬剤応答データを予測します．訓練用に用いる薬剤応答データにもノイズが含まれていることから，それらのデータにも同様な算法で雑音除去を行います． |
|
| |
|
|
| |
文献 |
|
| |
[5] Tsuyoshi Kato, Yukio Murata, Koh Miura, Kiyoshi Asai, Paul B. Horton, Koji Tsuda, Wataru Fujibuchi:
Network-based de-noising improves prediction from microarray data,
BMC Bioinformatics, vol. 7(Suppl 1):S4, March, 2006.  |
|
|
|
|
|
