遺伝的プログラミングを用いたモチーフ評価関数学習に関する課題

モチーフ発見は、遺伝子調節を解読するための重要なバイオインフォマティクスの問題です。人間の専門家モチーフモデル（評価関数）を用いた多数の配列ベースのアプローチが提案されていますが、ベンチマークではパフォーマンスが非常に不満であり、その基盤となる情報はすでに利用されているようで、行き詰まっています。しかし、単純な修正された表現でも難しいベンチマークでかなり高いパフォーマンスを達成していることがわかり、配列ベースのモチーフ発見の可能性を示唆しています。したがって、モチーフ評価関数の学習の問題を提起します。人間の競争モデルを進化させる可能性を持つ遺伝的プログラミング（GP）を採用します。専門家モデルのようなコンポーネントを含む端末セットを活用し、三つの適応度関数を試みました。結果は大きな課題と潜在能力の両方を示しています。学習したモデルはいずれも難しいベンチマークで普遍的に良いパフォーマンスを発揮することはできませんでしたが、その理由の一つは配列ベースのモチーフ発見に対するデータの適切さかもしれません。ただし、異なる広くテストされたデータセットに適用すると、同じモデルは専門家モデルに基づく既存のアプローチと同等のパフォーマンスを達成します。この研究は、モチーフ発見のために配列情報を活用するさまざまなレベルの効果的評価モデルを厳密から緩やかなものまで学習するためのさらなる新しいGPの導入を求めています。これは、定量関数、基数ランキング、学習 feasibility 分類に関するものです。