| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2008-06-26 14:30 機械学習を用いた薬物のクリアランス経路予測 ○年本広太（東工大）・草間真紀子・前田和哉・杉山雄一（東大）・秋山 泰（東工大）  NLP2008-4 NC2008-14 |
|
| 抄録 | （和） | 薬物のクリアランス経路の特定は薬物動態学において重要とされている．そこで各薬物の多次元の物理化学的記述子から， クリアランス経路を予測するシステムを構築した．当システムでは主要な５つの経路ごとにサポートベクターマシン(SVM)を用いてクリアランス経路を学習させ，各予測結果を総合して 最も支配的なクリアランス経路を１つ与える．今回準備できた記述子は1089個あるが，その全てを学習の入力として用いると 汎化誤差の問題や説明性の低下が生じる．そこで貪欲法や相関係数などを用いた実験により特徴選択を行ったところ， １２個前後の少ない記述子数で８５％以上の予測精度を得ることができた． |
| （英） | The clearance pathway is one of the important factors to consider the pharmacokinetics of drugs. We have developed a machine learning system of drug clearance pathway for a given drug compound from its physicochemical descriptors. The system is composed of five support vector machines (SVMs), each corresponding to one of five major candidate clearance pathways, and prediction is given by choosing a pathway with largest SVM output. We prepared pathway data for 157 drugs, and 1089 physicochemical descriptors for each of them. However, if we use all the descriptors, we will have over-learning problem and less explainable model. Thus we performed exhaustive feature selection procedure, by a modified greedy algorithm or a correlation coefficient-based method, and our system showed more than 85\% prediction accuracy when using 12 selected descriptors. |
|
| キーワード | （和） | 機械学習 / 薬物動態 / サポートベクターマシン(SVM) / 特徴選択 / / / / |
| （英） | Machine learning / Pharmacokinetics / Support vector machine(SVM) / Feature selection / / / / | |
| 文献情報 | 信学技報, vol. 108, no. 101, NC2008-14, pp. 19-24, 2008年6月. | |
| 資料番号 | NC2008-14 | |
| 発行日 | 2008-06-19 (NLP, NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLP2008-4 NC2008-14 |
|
| 研究会情報 | |
| 研究会 | NC NLP |
| 開催期間 | 2008-06-26 - 2008-06-27 |
| 開催地（和） | 琉球大学 |
| 開催地（英） | University of the Ryukyus |
| テーマ（和） | 機械学習によるバイオデータマインニング・生命現象の非線形性，一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining and Nonlinearity in Biological Phenomena, and General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2008-06-NC-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 機械学習を用いた薬物のクリアランス経路予測 |
| サブタイトル（和） | |
| タイトル（英） | Prediction of Drug Clearance Pathway with Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 機械学習 / Machine learning |
| キーワード(2)（和/英） | 薬物動態 / Pharmacokinetics |
| キーワード(3)（和/英） | サポートベクターマシン(SVM) / Support vector machine(SVM) |
| キーワード(4)（和/英） | 特徴選択 / Feature selection |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 年本 広太 / Kouta Toshimoto / トシモト コウタ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 草間 真紀子 / Makiko Kusama / クサマ マキコ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 前田 和哉 / Kazuya Maeda / マエダ カズヤ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第4著者 氏名（和/英/ヨミ） | 杉山 雄一 / Yuichi Sugiyama / スギヤマ ユウイチ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第5著者 氏名（和/英/ヨミ） | 秋山 泰 / Yutaka Akiyama / アキヤマ ユタカ |
| 第5著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Inst. of Tech.) |
| 講演者 | 第1著者 |
| 発表日時 | 2008-06-26 14:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NLP2008-4, NC2008-14 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.102(NLP), no.101(NC) |
| ページ範囲 | pp.19-24 |
| ページ数 | 6 |
| 発行日 | 2008-06-19 (NLP, NC) |
[研究会発表申込システムのトップページに戻る]