機械学習を用いた細胞内の分子システム同定

カテゴリ: 部門大会

論文No: TC9-7

グループ名: 【C】平成25年電気学会電子・情報・システム部門大会講演論文集

発行日: 2013/09/04

タイトル(英語): System Identification of Intracellular Molecules by Machine Learning

著者名: 作村諭一 (愛知県立大学),山田 達也(奈良先端科学技術大学院大学),Makoto Nishiyama(New York University),大羽成征 (京都大学),Henri C. Jimbo (American University of the Middle East),石井 信(京都大学),Kyonsoo Hong(New York University)

著者名(英語): Yuichi Sakumura(Aichi Prefectural University),Tatsuya Yamada(Nara Institute of Science and Technology),Makoto Nishiyama(New York University),Shigeyuki Oba(Kyoto University),Henri C. Jimbo (American University of the Middle East),Shin Ishii(Kyoto University),Kyonsoo Hong(New York University)

キーワード: システム同定|分子ネットワーク|ベイズ推定|膜電位|System Identification|Molecular Network|Bayesian Estimation|Membrane Potential

要約(日本語): 細胞は自律的に移動し形を変える。その際、分子センサーによる外部環境の認識、環境に依存した行動決定、物理的力による運動といった過程を経る。それは人工的なロボットと同じような行動原理であるが、細胞は生体分子のネットワークを用いている点で大きく異なる。神経細胞が突起を複雑に配線して生体脳を形成する際も、個々の神経細胞自身が環境認識から運動までを自律的に行う。本研究では、神経細胞の突起配線を実現する分子ネットワークの推定を行った。一般的に、細胞内分子の相互作用を生物実験で調べることは困難である。また、細胞の膜電位は、本研究における唯一の実験データであるが、観測数が限られるうえにノイズが多く含まれる。これらの問題を解決するために、我々は分子ネットワークの数理モデルを構築し、ベイズ推定によるモデル比較を行った。その結果、最適モデルは、推定に用いていない観測データに対して再現性を示した。

PDFファイルサイズ: 3,041 Kバイト