Modeling and visualization for characteristics extraction of mutations by radiation using machine learning

神崎 訓枝; 島田 幹男*; 柳原 啓見*

no journal, , 

DNA損傷の修復エラーが生じた場合に、そのDNA損傷は突然変異として残存し、発がん等の原因となる。被ばくによってどのような突然変異が起こるかは、放射線の種類や細胞の種類に依存することが報告されているが、まだ完全には明らかになっていない。つまり、放射線による突然変異の特徴把握は放射線生体影響を知る上で重要である。本研究では、種々の放射線による突然変異の特徴を把握するためのデータ解析手法構築の基礎的検討を行うことを目的とする。演習用のデータセットは、既存の論文データを参考にして作成した。データはトランジションまたはトランスバージョンの6種類の点突然変異、挿入、欠失の8つの項目に対する各突然変異率を持たせた。本実験では、機械学習の一種で、非線形のデータ解析について低次元されたマップによる視覚的表現が優れていると言われている自己組織化マップ(SOM)を用いて、クラスタリングによる特徴抽出と予測を行い、主成分分析等の類似の多変量解析法と比較検討した。SOMの出力マップ上では、似通ったデータが近くに配置され、データ各々の突然変異の種類毎の特徴を一目で把握できるよう分類可能であることがわかった。