異質なデータを統合する方法として，それぞれのデータをカーネル行列に変換してから平均をとるアプローチがあります．もう一つの方法は，すべてネットワークに変換して重ね合わせるアプローチである．ゲノムデータのように大量のデータを表現するにはネットワークのほうがデータストレージの点で有利です．データ数がNのとき，カーネル行列ではNの二乗のメモリが必要です．ところが，ネットワークの場合，多くのデータはスケールフリー性を有するため，Nの二乗よりずっと小さいデータストレージで済む．複数の異質ネットワークを効果的に組み合わせる方法として，ネットワークに重みをつけて，重みを自動的に求める算法がすでに存在しています．しかし，この方法は不必要なネットワークほど大きな重みをつけてしまう算法になっていました．これに対して，Student-t分布というロバスト統計でよく用いられるツールを使って，重要なネットワークほど大きな重みをつけるMAP推定アルゴリズムを開発しました．これをタンパク質機能予測のタスクに適用した結果，従来法を圧倒的に上回る性能を示すことを確認しました．