| 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 | 2010-09-05 11:40 病原細菌と共生細菌のIII型分泌装置のエフェクタータンパク質を判別する特徴の同定 ○矢原耕史・姜 英・柳川 堯（久留米大）  PRMU2010-62 IBISML2010-34 |
|
| 抄録 | （和） | 病原性大腸菌O157、赤痢菌、ペスト菌、腸炎ビブリオ（食中毒の原因菌）などの人類に大きな被害をもたらしてきた病原細菌は、ホスト細胞に感染した際に、毒素を直接ホスト細胞に送り込むためのIII型の分泌装置という機構を有している。この分泌装置は注射針のような役割を果たし、それによってホスト細胞に注入される毒素のタンパク質は、エフェクタータンパク質と呼ばれる。このタンパク質は、病原細菌の病原性を司るタンパク質として重要な研究対象であり、病原細菌に対する創薬のターゲットとしても注目されている。一方で近年、同じIII型の分泌装置によって分泌されるエフェクタータンパク質が、根粒菌などの共生細菌にも存在することが明らかになってきた（Coombes et al, 2009）。共生細菌のエフェクタータンパク質がホスト細胞に送り込まれた後、どのような役割を果たしているのかについては謎が多いものの、これらのタンパク質の持つ特徴に機械学習の方法論によってアプローチした最近の研究は、タンパク質のN末端側のアミノ酸組成に関する特徴が両者で共有されていることを報告している（Arnold et al, 2009）。 これに対して本研究は、病原性と共生性の違いに由来する何らかの特徴的な差異が、両者の間に秘められているのではないかと考え、統計的機械学習の方法論によって、その差異を明らかにすることを目的とした。アミノ酸配列に基づいて計算されるタンパク質の物理化学的な特徴の組み合わせの中から、病原細菌と共生細菌のタンパク質を判別する特徴セットを、カーネルロジスティック回帰のベイズ型情報量基準を用いて同定した。次に、その特徴セットを用いたサポートベクターマシンのクロスバリデーションにより、両者を約85%の精度で判別できることを明らかにした。さらに、その特徴どうしの関係をベイジアンネットワークによって明らかにし、互いに相関する特徴の中で特に重要な特徴を同定した。さらに、特徴的な差異が顕著に見られる領域が、タンパク質のN末端から50残基以上離れた領域に存在することを明らかにした。 |
| （英） | Type III secretion systems (T3SS) deliver bacterial proteins, or "effectors", into eukaryotic host cells, inducing physiological responses in the hosts. Effector proteins have been considered virulence factors of pathogenic bacteria, but T3SSs have now been found in symbiotic bacteria as well. Whether any physicochemical difference exists between the two types of effectors remains unknown. In this work, we combined computational statistical and machine-learning methods to identify features that could be responsible for the difference. For computational statistical method we used generalized Bayesian information criterion and kernel logistic regression, and for machine learning method we used support vector machine. It was clearly shown that differences in amino acid composition exist between pathogenic and symbiotic effector proteins. All identified discriminating features were those of amino acid composition and average residue weight, and their classification performance could be nearly identical to that using all physicochemical features, with sensitivity and specificity of over 80%. Further analysis on the seven discriminating features by graphical modeling revealed three dominant features among them. Moreover, amino acid regions that were distinctive for the seven features were explored by sliding window analysis. This study provides a methodological basis and important insights into the functional differences between pathogenic and symbiotic T3SS effectors. | |
| キーワード | （和） | 機械学習 / ノンパラメトリック回帰 / 特徴選択 / サポートベクターマシン / グラフィカルモデリング / ベイジアンネットワーク / ベイズ型情報量基準 / |
| （英） | machine learning / nonparametric regression / feature selection / support vector machine / graphical modeling / bayesian network / bayesian information criterion / | |
| 文献情報 | 信学技報, vol. 110, no. 188, IBISML2010-34, pp. 57-62, 2010年9月. | |
| 資料番号 | IBISML2010-34 | |
| 発行日 | 2010-08-29 (PRMU, IBISML) | |
| 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 | PRMU2010-62 IBISML2010-34 |
|
| 研究会情報 | |
| 研究会 | IBISML PRMU IPSJ-CVIM |
| 開催期間 | 2010-09-05 - 2010-09-06 |
| 開催地（和） | 福岡大学 |
| 開催地（英） | Fukuoka Univ. |
| テーマ（和） | コンピュータビジョンとパターン認識のための機械学習と最適化, 一般 |
| テーマ（英） | Machine learning and optimization for computer vision and pattern recognition, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2010-09-IBISML-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | 病原細菌と共生細菌のIII型分泌装置のエフェクタータンパク質を判別する特徴の同定 |
| サブタイトル（和） | |
| タイトル（英） | Computational identification of discriminating features of pathogenic and symbiotic Type III secreted effector proteins |
| 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） | ノンパラメトリック回帰 / nonparametric regression |
| キーワード(3)（和/英） | 特徴選択 / feature selection |
| キーワード(4)（和/英） | サポートベクターマシン / support vector machine |
| キーワード(5)（和/英） | グラフィカルモデリング / graphical modeling |
| キーワード(6)（和/英） | ベイジアンネットワーク / bayesian network |
| キーワード(7)（和/英） | ベイズ型情報量基準 / bayesian information criterion |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 矢原 耕史 / Koji Yahara / ヤハラ コウジ |
| 第1著者 所属（和/英） | 久留米大学 (略称： 久留米大) Kurume University (略称： Kurume Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 姜 英 / Ying Jiang / キョウ エイ |
| 第2著者 所属（和/英） | 久留米大学 (略称： 久留米大) Kurume University (略称： Kurume Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 柳川 堯 / Takashi Yanagawa / ヤナガワ タカシ |
| 第3著者 所属（和/英） | 久留米大学 (略称： 久留米大) Kurume University (略称： Kurume Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2010-09-05 11:40:00 |
| 発表時間 | 30分 |
| 申込先研究会 | IBISML |
| 資料番号 | PRMU2010-62, IBISML2010-34 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | no.187(PRMU), no.188(IBISML) |
| ページ範囲 | pp.57-62 |
| ページ数 | 6 |
| 発行日 | 2010-08-29 (PRMU, IBISML) |
[研究会発表申込システムのトップページに戻る]