タンパク質の可溶性メカニズム解明のための学習分類子システムによる機械学習モデルの可視化

カテゴリ: 部門大会

論文No: TC11-2-7

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Visualization by Learning Classifier System of Machine Learning-based Solubility Prediction

著者名: 高野 諒（富山県立大学）,松本 卓也（富山県立大学）,榊原 一紀（富山県立大学）,中村 正樹（富山県立大学）,松井 大亮（公立千歳科学技術大学）

著者名(英語): Ryo Takano (Toyama Prefectural University),Takuya Matsumoto (Toyama Prefectural University),Kazutoshi Sakakibara (Toyama Prefectural University),Masaki Nakamura (Toyama Prefectural University),Daisuke Matsui (Chitose Institute of Science and Technology)

キーワード: 学習分類子システム|タンパク質可溶性予測|知識獲得知識獲得|Learning Classifier System|Protein Solubility Prediction|Knowledge acquisition

要約(日本語): タンパク質の生産において活性作用を持たない不溶性のタンパク質が予期せず生産される場合があり，これを防ぐためにアミノ酸配列の一部を別のアミノ酸に変異させることで可溶性を向上させる研究が取り組まれている．この変異位置と種類の組合せは膨大となるため，機械学習にタンパク質の構造情報を入力し可溶性を予測するモデルを構築し，メタヒューリスティクス最適化によりモデル中で最も可溶性を向上させる組合せを探索する試みが行われてきた．しかし，この手法ではモデル中で最適な組合せを発見することができるが，可溶性を向上させるメカニズムを明らかにすることは難しい．そこで，本研究では強化学習と遺伝的アルゴリズムにより汎用的なルール生成が可能な学習分類子システム（LCS）に着目する．予測モデルの学習結果からLCSにより汎用的な組合せルールを獲得することで，たんぱく質の可溶性を向上のメカニズムを明らかにすることを目指す．