Experimental Comparison of Classification Methods for Key Kinase Identification

摘要

Kinases play important roles in a developing neuron protruding neurites or an axon with their complex interactions. To elucidate the effect of each kinase on axon elongation and regeneration from a small set of experi-ments, we applied machine learning methods to a synthetic dataset based on a biologically feasible model. The result showed the ridged partial least squares (RPLS) algorithm performed better than other standard algorithms such as naive Bayes classifier, support vector machines and random forest classification. This suggests the effectiveness of dimension reduction done in RPLS.%神経は複数の突起を持ち，そのうち1つが複雑な回路形成のための軸索となる.酵素(kinase)はこの軸索伸長を制御する重要な生体分子であるが，酵素の種類は膨大である.本研究では，限られたデータから軸索伸長に大きく貢献する酵素の推定に効果的な手法を調べた.生化学反応方程式で作成した人工データに複数の機械学習法を適 用 • 比較を行った.その結果，ridged partial least squares (RPLS)法がナイーブベイズ • サポートベクタ一マシン • ランダムフォレスト法などよりも良い分離能力を持つことが分かった.これは，RPLSによる次元削減が効果的に機能していることを示す.