[論文レビュー] Application Of Data Mining In Bioinformatics

Khalid Raza|arXiv (Cornell University)|May 5, 2012

Data Mining Algorithms and Applications参考文献 18被引用数 52

ひとこと要約

本稿は、ゲノムおよびプロテオムデータ解析の課題に対処するため、データマイニング技術をバイオインフォマティクスに統合することを検討する。主な手法としてクラスタリング、分類、および関連ルールマイニングを概説し、遺伝子発現解析、タンパク質構造予測、疾患関連遺伝子の同定への応用を示す。主な貢献は、高次元の生命科学データから生物学的インサイトを抽出するための包括的なフレームワークの構築である。

ABSTRACT

This article highlights some of the basic concepts of bioinformatics and data mining. The major research areas of bioinformatics are highlighted. The application of data mining in the domain of bioinformatics is explained. It also highlights some of the current challenges and opportunities of data mining in bioinformatics.

研究の動機と目的

• データマイニングがバイオインフォマティクス研究をどのように前進させるかを検討すること。
• データマイニング技術が最も効果的であるバイオインフォマティクスの主な研究分野を特定すること。
• 生物学的データへのデータマイニングの応用における現在の課題と機会を分析すること。
• ゲノミクス、プロテオミクス、システム生物学におけるデータマイニング応用の構造的概要を提供すること。
• 研究者が生物学的データ解析に適切なデータマイニング手法を選択するのを支援すること。

提案手法

• 本稿は、データマイニングおよびバイオインフォマティクス応用に関する既存の文献を系統的レビューする。
• 類似した遺伝子発現プロファイルをグループ化するため、クラスタリングアルゴリズムを適用する。
• 意思決定木やサポートベクターマシンなどの分類手法を用いて、遺伝子機能および疾患関連の予測を行う。
• 関連ルールマイニングを用いて、遺伝子、タンパク質、表現型的特徴の間の関係を同定する。
• 大規模な生物学的データセットを処理するため、データベース管理システム（DBMS）を統合する。
• フレームワークは、生物学的文脈におけるデータマイニングモデルのスケーラビリティと解釈可能性を重視する。

実験結果

リサーチクエスチョン

• RQ1 データマイニング手法は、ゲノムおよびプロテオム分野におけるハイ・スループット生物学的データの解析をどのように改善できるか？
• RQ2 複雑な生物学的データセットから疾患関連遺伝子を同定するための最も効果的なデータマイニング手法は何か？
• RQ3 データマイニングアプローチは、タンパク質構造および機能の予測をどのように向上させるか？
• RQ4 生物学的データへのデータマイニングの応用における主な課題は何か。また、それらはどのように軽減できるか？
• RQ5 データマイニングは、マルチオミクスデータ統合を支援することで、システム生物学をどのように支援できるか？

主な発見

• データマイニングは、遺伝子発現データにおけるパターン認識により、疾患関連遺伝子の同定を顕著に改善する。
• クラスタリング手法は、類似した発現プロファイルを有する遺伝子を効果的にグループ化し、機能アノテーションおよび経路同定を可能にする。
• サポートベクターマシンなどの分類モデルは、マイクロアレイデータから遺伝子-疾患関連性を予測する際に高い正確性を達成する。
• 関連ルールマイニングは、遺伝子マーカーと表現型的アウトカムの間の未知の関係を同定する。
• リレーショナルデータベースとの統合により、大規模な生物学的研究におけるデータ取得およびスケーラビリティが向上する。
• 本研究では、データの異種性、ノイズ、次元の呪いが、高度な前処理および特徴選択技術を要する主な課題であると特定した。