Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ISMB/ECCB 2019読み会:ShaKer: RNA SHAPE prediction using graph kernel
Search
satoken
August 21, 2019
Science
0
190
ISMB/ECCB 2019読み会:ShaKer: RNA SHAPE prediction using graph kernel
satoken
August 21, 2019
Tweet
Share
Other Decks in Science
See All in Science
SCOTT: Self-Consistent Chain-of-Thought Distillation
meshidenn
0
310
Ph.D. defense "Convex Manifold Approximation for Tensors"
gkazunii
0
180
Introduction to Graph Neural Networks
joisino
4
1.4k
SIGDIAL論文読み会: PGTask: Introducing the Task of Profile Generation from Dialogues
kaiyo3
0
100
「国と音楽」 ~spotifyrを用いて~ #muana
bob3bob3
2
330
Direct Preference Optimization
zchenry
0
140
Machine Learning for Materials (Lecture 4)
aronwalsh
0
670
外国人が思う日本語のむずかしいところ
jamashita
0
480
DEIM2024 チュートリアル ~AWSで生成AIのRAGを使ったチャットボットを作ってみよう~
yamahiro
3
630
Pandas 2 vs Polars vs Dask (PyDataGlobal 2023 December)
ianozsvald
0
440
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
230
Pokemon Roughs
shoryuuken
0
370
Featured
See All Featured
5 minutes of I Can Smell Your CMS
philhawksworth
199
19k
KATA
mclloyd
15
12k
Why Our Code Smells
bkeepers
PRO
331
56k
From Idea to $5000 a Month in 5 Months
shpigford
377
45k
ParisWeb 2013: Learning to Love: Crash Course in Emotional UX Design
dotmariusz
104
6.6k
Writing Fast Ruby
sferik
621
60k
A better future with KSS
kneath
231
16k
No one is an island. Learnings from fostering a developers community.
thoeni
16
2.1k
The Art of Programming - Codeland 2020
erikaheidi
42
12k
[RailsConf 2023] Rails as a piece of cake
palkan
23
4k
10 Git Anti Patterns You Should be Aware of
lemiorhan
648
58k
Documentation Writing (for coders)
carmenintech
60
3.9k
Transcript
ISMB/ECCB 2019読み会 慶應義塾大学理工学部 佐藤健吾
概要 • Graph Kernelを用いて、RNA配列のみからSHAPE reactivityを予測 する。
SHAPE修飾によるRNA構造決定 [Smola et al. 2015] (selective 2’-hydroxyl acylation analyzed by
primer extension)
[Smola et al. 2015]
Graph Kernelによる特徴抽出 • Neighborhood Subgraph Pairwise Distance Kernel (NSPDK) •
半径 r の部分構造 Av , Bu が距離 d でグラフGに存在するか? • GraphClust [Heyne et al, 2012] や GraphProt [Maticzka et al, 2014] でも RNAの特徴抽出で使用している [Costa et al, 2010] r = 1 d = 5 r = 3 d = 5 r = 5 d = 5
学習 • Gradient Tree Boostingによる回帰モデルの学習
予測 • RNAsuboptを用いてRNA配列の二次構造をm個サンプリングする。 • それぞれの二次構造と配列を学習した回帰モデルに入力し、 SHAPE reactivityを予測する。 • m個の予測の平均を最終的な予測とする。
データセット • テストセット • 公共データ (Deigan et al., 2009; Hajdin
et al., 2013; Montaseri et al., 2017) (ほとんどの配列は二次構造未知) • 学習セット • 上記データに含まれるRibosomal RNA配列(二次構造既知)
比較手法 • [Sükösd et al, 2013]の手法 • 構造既知のRNA配列におけるSHAPE reactivityの確率分布を各塩基のペア リング状況ごとに推定(unpaired,
helix-end, stacked) • 構造既知配列にしか使えない。
実験結果:アクセシビリティ • RNAplfold + SHAPE値でアクセシビリティを予測 • 真のSHAPE値による予測と推定SHAPE値による予測のランク相関 Sükösd et al
+ref. stru. ShaKer + ref. stru. trivial ShaKer SHAPEなし ShaKerによる予測SHAPE値 0.861 ± 0.17 SHAPEなし 0.839 ± 0.16
実験結果:塩基対確率 • 既知二次構造に含まれる塩基対の塩基対確率の平均 Sükösd et al +ref. stru. ShaKer +
ref. stru. wetlab SHAPE ShaKer SHAPE なし ShaKerによる予測SHAPE値 0.679 ± 0.26 SHAPEなし 0.629 ± 0.21
実験結果:二次構造情報は重要か? • 二次構造情報を使わずに一次構造(配列)のみでNSPDKを構成 した場合(Unstructured)
なぜISMB/ECCBに採択されたか? • これまでの実績 • GraphClustやGraphProtなどで使われている手法NSPDKを使っている。 • (RNA界の巨匠Prof. Rolf Backofen) •
問題設定 • SHAPE値をRNA配列のみから予測する手法はこれまでにない。 • 精度 • 本手法で予測したSHAPE値がRNA二次構造予測の精度向上に貢献してい る。
微妙なところ • “RNA SHAPE prediction” というタイトルにも関わらず、SHAPE値 の回帰については直接評価していない。 • 比較手法 [Sükösd
et al, 2013]との比較がフェアでない。 • 予測を使って予測する(配列 → SHAPE値 → 二次構造)よりは、 直接予測する(配列 → 二次構造)方が手法としては筋が良さそ う。 ContextFold や mxfoldのような Rich parametrization • そもそもSHAPE値を予測することに意味があるのか?