グラフィカルモデルを用いた高分子ポテンシャルデコーダの開発
【研究分野】知能情報学
【研究キーワード】
タンパク質 / 立体構造 / 因子グラフ / Max-Sumアルゴリズム / MCMC / ポテンシャルエネルギー / max-sum / サンプリング / 3次元構造予測 / 高分子 / 蛋白質 / ab initioモデリング / 3次構造 / 三次構造
【研究成果の概要】
タンパク質の立体構造はその機能と深く関わるため、アミノ酸配列から立体構造を予測することは重要である。本プロジェクトでは効率的な立体構造予測の実現のため、分子のポテンシャルエネルギーにより定まるギブス分布の表現に因子グラフと呼ばれるグラフ構造を導入した上で、マルコフ連鎖モンテカルロ(MCMC) 法による局所的な探索とグローバルなグラフ探索手法であるmax-sumアルゴリズムを組み合わせたSCMS手法の提案と改良を行った。計算機実験により提案法が従来のMCMC 法や、MCMCに準ニュートン法を組み合わせた方法と比較して、少ない計算量でより低いエネルギーの分子形状を探索できることを示した。
【研究代表者】
【研究分担者】 |
篠田 浩一 | 東京工業大学 | 大学院・情報理工学研究科 | 教授 | (Kakenデータベース) |
関嶋 政和 | 東京工業大学 | 学術国際情報センター | 准教授 | (Kakenデータベース) |
|
【研究連携者】 |
関嶋 政和 | 東京工業大学 | 学術国際情報センター | 准教授 | (Kakenデータベース) |
|
【研究種目】挑戦的萌芽研究
【研究期間】2011 - 2013
【配分額】3,250千円 (直接経費: 2,500千円、間接経費: 750千円)