[論文レビュー] Evolutionary Algorithms: Concepts, Designs, and Applications in Bioinformatics: Evolutionary Algorithms for Bioinformatics

Ka‐Chun Wong|arXiv (Cornell University)|Aug 3, 2015

Evolutionary Algorithms and Applications参考文献 81被引用数 7

ひとこと要約

この論文は、遺伝子調節ネットワークの推定、タンパク質構造予測、配列アラインメントなどの複雑な生物学的問題への応用に注目した、バイオインフォマティクスにおける進化的アルゴリズム（EAs）のレビューである。自然選択および突然変異や交叉といった遺伝的操作を活用することで、従来の最適化手法が失敗する大規模で非線形な探索空間を効率的に探索でき、ゲノム生物学およびシステム生物学の応用分野で優れたパフォーマンスを示している。

ABSTRACT

Since genetic algorithm was proposed by John Holland (Holland J. H., 1975) in the early 1970s, the study of evolutionary algorithm has emerged as a popular research field (Civicioglu & Besdok, 2013). Researchers from various scientific and engineering disciplines have been digging into this field, exploring the unique power of evolutionary algorithms (Hadka & Reed, 2013). Many applications have been successfully proposed in the past twenty years. For example, mechanical design (Lampinen & Zelinka, 1999), electromagnetic optimization (Rahmat-Samii & Michielssen, 1999), environmental protection (Bertini, Felice, Moretti, & Pizzuti, 2010), finance (Larkin & Ryan, 2010), musical orchestration (Esling, Carpentier, & Agon, 2010), pipe routing (Furuholmen, Glette, Hovin, & Torresen, 2010), and nuclear reactor core design (Sacco, Henderson, Rios-Coelho, Ali, & Pereira, 2009). In particular, its function optimization capability was highlighted (Goldberg & Richardson, 1987) because of its high adaptability to different function landscapes, to which we cannot apply traditional optimization techniques (Wong, Leung, & Wong, 2009). Here we review the applications of evolutionary algorithms in bioinformatics.

研究の動機と目的

• 進化的アルゴリズム（EAs）が従来の最適化手法に比べて有する独自の利点に焦点を当て、バイオインフォマティクス分野における現状を調査すること。
• 非線形的で高次元の地形においても頑健性を示すEAsが、生物学的データ解析における主要な課題を効果的に解決できることを特定すること。
• ゲノム工学、システム生物学、構造バイオインフォマティクスにおけるEAsの成功事例を強調し、その適応性とパフォーマンスを示すこと。
• 複雑な生物学的問題を解くために用いられるEAsの設計および実装に関する包括的な概要を提供すること。
• 既存のEAsの応用を統合し、バイオインフォマティクス分野における有望な研究方向性を特定することで、今後の研究の基盤を構築すること。

提案手法

• ゲノム工学およびシステム生物学分野における進化的アルゴリズムの応用に焦点を当てた、出版済みの文献を系統的にレビューする。
• 自然選択、突然変異、交叉、選択の原則を応用し、生物学的最適化問題をモデル化する。
• 生物学的データの文脈において、遺伝的アルゴリズム、微分進化、分布推定アルゴリズムなどのEAsの設計をレビューする。
• 遺伝子ネットワークの推定、タンパク質折りたたみ、配列アラインメントといった多様な分野の事例研究を分析し、EAsの有効性を示す。
• EAsのパフォーマンスを従来の最適化手法と比較し、複雑で非凸的かつノイズが多い生物学的地形への適応性に焦点を当てる。
• 実世界のバイオインフォマティクス問題におけるEAsの成功を示す実証的研究を引用し、核融合炉コア設計や配管ルーティングといった例を生物学的最適化の類似例として提示する。

実験結果

リサーチクエスチョン

• RQ1 進化的アルゴリズムは、複雑な生物学的データの地形において、なぜ従来の最適化手法を上回るのか？
• RQ2 バイオインフォマティクス応用に適している進化的アルゴリズムの主な設計原則は何か？
• RQ3 どの具体的なバイオインフォマティクス問題において、進化的アルゴリズムが顕著な成功を収めたか？
• RQ4 突然変異や交叉といった遺伝的操作は、非線形的で高次元の生物学的最適化問題をどのように解決に寄与するか？
• RQ5 ゲノム工学およびシステム生物学へのEAsの応用における現在の制限事項と未解決の課題は何か？

主な発見

• 進化的アルゴリズムは、地形の複雑さのため従来の手法が失敗するような、バイオインフォマティクス分野における複雑で非線形な最適化問題を効果的に解決できる。
• 遺伝子調節ネットワークの推定、タンパク質構造予測、配列アラインメントにおける応用では、EAsがヒューリスティックな代替手法と比較して同等または優れたパフォーマンスを示している。
• EAsが電磁最適化や核融合炉コア設計といった多様な問題タイプに適応できることから、高次元でノイズが多い探索空間においても頑健性を示している。
• EAsベースの手法は、環境保護、ファイナンス、音楽オーケストレーション分野でも成功裏に応用されており、生物学的システムへの最適化可能性の広範な転移性を示している。
• EAsの関数最適化能力が、ゲノム分野で一般的に見られる険しいまたは多次元のフィットネス地形において、特に重要な強みであると強調されている。
• 文献からの事例研究により、EAsが高次元性と不確実性を伴う現実の生物学的データを効果的に処理できることを確認しており、システム生物学の応用に特に適している。