生物学的情報処理装置、生物学的情報処理方法および生物学的情報処理プログラム
【課題】ポリペプチドのディスオーダー領域を信頼性よく予測する。
【解決手段】ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置１００を提供する。生物学的情報処理装置１００は、予測対象のポリペプチドのアミノ酸配列データを取得する予測対象データ取得部１０８と、予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うウインドウレベル予測部１１０と、ウインドウレベル予測部１１０の予測結果に基づいて、予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うアミノ酸残基レベル予測部１１２と、を備える。
【解決手段】ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置１００を提供する。生物学的情報処理装置１００は、予測対象のポリペプチドのアミノ酸配列データを取得する予測対象データ取得部１０８と、予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うウインドウレベル予測部１１０と、ウインドウレベル予測部１１０の予測結果に基づいて、予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うアミノ酸残基レベル予測部１１２と、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置、生物学的情報処理方法および生物学的情報処理プログラムに関する。
【背景技術】
【０００２】
タンパク質の機能は、その構造によって決定されるため、立体構造予測はタンパク質の機能解明にとって非常に重要な問題である。近年、多くの立体構造がＸ線やＮＭＲにより解明されている中で、部分的に折りたたまれていない箇所を持つタンパク質が、数多くの生物種において存在することがわかってきた。この事実から、決まった構造をとらない領域（ディスオーダー領域＝ｄｉｓｏｒｄｅｒ領域）が何らかの機能的役割を持ち、進化的に保存されていると考えられるようになり、タンパク質のディスオーダー領域の予測が注目を集めている。
【０００３】
ディスオーダー領域と非ディスオーダー領域との間には、アミノ酸組成などの各種特性に明らかな差があるため、関連研究の多くでは事前に得られるデータにおけるディスオーダー領域と非ディスオーダー領域との特徴の違いを捉えて学習し、種々の方法により予測を行っている。
【０００４】
アミノ酸配列からタンパク質中に存在するディスオーダー領域（ｄｉｓｏｒｄｅｒ領域）を予測するための従来のプログラムとしては、例えば非特許文献１および非特許文献２に記載されたものがある。これらの文献に記載のプログラムは、第一ステップにおいて、アミノ酸配列からなる入力値を、ＰＳＩ−ＢＬＡＳＴによってプロファイル化し、そのプロファイルをＳＶＭ（サポートベクトルマシン）によって分類することにより、アミノ酸残基レベルでのディスオーダー領域の予測を行う。
【０００５】
そして、第二ステップにおいて、こうして得られたアミノ酸残基レベルでのディスオーダー領域の予測結果を、ニューラルネットワークを用いてさらに解析することにより、再度アミノ酸残基レベルでのディスオーダー領域の予測を行う。そして、この第二ステップで得られた予測結果を、ディスオーダー領域の予測結果として出力する。
【０００６】
なお、ＰＳＩ−ＢＬＡＳＴとは、Ｐｏｓｉｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｔｅｒａｔｉｖｅ ＢＬＡＳＴの略である。ＰＳＩ−ＢＬＡＳＴでは、最初に行った検索結果から自動的にマルチプルアラインメント（複数配列を整列したもの）を作製する。これをｐｒｏｆｉｌｅ（またはｐｏｓｉｔｉｏｎ ｓｐｅｃｉｆｉｃ ｓｃｏｒｉｎｇ ｍａｔｒｉｘ＝ＰＳＳＭ）として、データベースを再検索する。上述の非特許文献では、ＰＳＩ−ＢＬＡＳＴの有する上述のマルチプルアラインメント機能を用いている。このとき、マルチプルアラインメントにおいて複数列挙されるウインドウ配列の長さは、１５残基程度である。
【０００７】
【非特許文献１】Jones, D. T. ＆ Ward, J. J. “Prediction of disordered regions in proteins from position specific scoring Matrices” Proteins: Strut. Funct. Genet. (2003) 53, 573-578
【非特許文献２】Ward, J. J., Sodhi, J. S., McGuffin, L. J., Buxton, B. F., Jones, D. T., “Prediction and Functional Analysis of Native Disorder in Proteins from the Three Kingdoms of Life” J. Mol. Biol. (2004) 337, 635-645
【発明の開示】
【発明が解決しようとする課題】
【０００８】
しかしながら、上記文献記載の従来技術は、以下の点で改善の余地を有していた。
従来技術のプログラムでは、ＰＳＩ−ＢＬＡＳＴを用いてプロファイル化された、１５アミノ酸残基程度の複数のウインドウ配列が、互いに重複しつつ１残基ずつずれながら並べられたウインドウ配列群が生成される。そして、ウインドウ配列を、サポートベクトルマシン（ＳＶＭ）およびニューラルネットワークに入力して分類した結果により、各ウインドウ配列の中央の１アミノ酸残基がディスオーダー領域に含まれるか否かを判定する。
【０００９】
したがって、従来技術は、アミノ酸配列中の各々のアミノ酸残基を、そのアミノ酸残基を中央に含むウインドウ配列と、１対１で対応させる。そして、各アミノ酸残基の判定が、対応する一つのウインドウ配列を用いて行われる。この判定結果が並べられて、ディスオーダー領域が特定される。
【００１０】
ここで、一般に、各アミノ酸残基がディスオーダー領域に含まれるか否かは、生体内などの自然条件下では、該アミノ酸残基の種類に加えて、多数の周辺のアミノ酸残基との相互作用なども総合的に加味して決定されると考えられる。
【００１１】
しかし、従来技術のように各アミノ酸残基の判定を、そのアミノ酸残基を中心に含む１５残基程度の長さのウインドウ配列の分類結果だけから行ったのでは、各アミノ酸残基がウインドウ配列の中心以外の位置にあるときの他のアミノ酸残基との相互作用は評価の対象として加味されないことになる。その結果、各アミノ酸残基と多数の周辺のアミノ酸残基との相互作用などが総合的に評価の対象として織り込まれないため、予測結果の信頼性の面で改善の余地があった。
【００１２】
本発明は上記事情に鑑みてなされたものであり、ポリペプチドのディスオーダー領域を信頼性よく予測することを目的とする。
【課題を解決するための手段】
【００１３】
本発明によれば、ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置であって、予測対象のポリペプチドのアミノ酸配列データを取得する予測対象データ取得部と、予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うウインドウレベル予測部と、ウインドウレベル予測部の予測結果に基づいて、予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うアミノ酸残基レベル予測部と、を備え、ウインドウレベル予測部は、所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較することにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求め、アミノ酸残基レベル予測部は、アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、着目残基を含み残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求め、着目残基に関する分布特性データを、既知ウインドウ配列群から得られる分布特定データ群と比較することにより、着目残基がディスオーダー領域に含まれるか否かを予測する、ことを特徴とする生物学的情報処理装置が提供される。
【００１４】
本発明によれば、着目した１アミノ酸残基（着目残基）を含み、複数の互いに重複しており所定残基数ずつずれている複数のウインドウ配列からなるウインドウ配列群から得られるウインドウレベルディスオーダー指標値の分布特性データに基づいて、着目残基がディスオーダー領域に含まれるか否かを予測する。
【００１５】
このため、一つの着目残基について、着目残基がウインドウ配列の中心に位置する場合だけでなく、着目残基がウインドウ配列の中心以外に位置する場合についても加味して多数の周辺のアミノ酸残基との相互作用なども総合的に加味して、着目残基がディスオーダー領域に含まれるか否か予測することとなり、ポリペプチドのディスオーダー領域の予測結果の信頼性が向上する。
【００１６】
なお、上記の生物学的情報処理装置は本発明の一態様であり、本発明の生物学的情報処理装置は、以上の構成要素の任意の組合せであってもよい。また、本発明の生物学的情報処理装置と同様の構成を備える生物学的情報処理方法、生物学的情報処理システム、生物学的情報処理プログラム、生物学的情報処理プログラムを含む記録媒体なども、同様の作用効果を有する。
【００１７】
また、本発明において、ディスオーダー領域（ｄｉｓｏｒｄｅｒ領域）とは、タンパク質中において三次元構造が欠如している（一定の三次元構造を取っていない）領域のことを意味する。
【発明の効果】
【００１８】
本発明によれば、一つの着目残基について、着目残基と多数の周辺のアミノ酸残基との相互作用を総合的に加味して、着目残基がディスオーダー領域に含まれるか否か予測するため、ポリペプチドのディスオーダー領域の予測結果の信頼性が向上する。
【発明を実施するための最良の形態】
【００１９】
以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。
【００２０】
＜生物学的情報処理装置の概要＞
図１は、実施の形態に係る生物学的情報処理装置１００の構成の概要を示した機能ブロックである。ここで、生物学的情報処理装置１００は、ポリペプチドのディスオーダー領域を予測するための装置である。なお、ディスオーダー領域（ｄｉｓｏｒｄｅｒ領域）とは、ポリペプチドの立体構造のうち、決まった構造をとらない領域を意味する。なお、本実施形態で、ポリペプチドは、タンパク質を含む物質であり、ディスオーダー領域は、ループ構造を含むものとする。
【００２１】
より具体的には、本実施の形態では、生物学的情報処理装置１００は、タンパク質の配列からなる入力値から、ディスオーダー領域（ｄｉｓｏｒｄｅｒ領域）を出力値として予測する装置である。この装置は、特に３０残基長以上の長いディスオーダー領域を予測することができる。ただし、短いディスオーダー領域の予測も勿論可能である。
【００２２】
生物学的情報処理装置１００には、予測対象のポリペプチドのアミノ酸配列データを取得する予測対象データ取得部１０８が設けられている。予測対象のポリペプチドのアミノ酸配列データは、任意の形式で取得することができ、例えば、１アミノ酸１文字の形式で取得してもよく、１アミノ酸３文字の形式で取得してもよい。また、他にも、遺伝子配列の形で受け付けることもできる。この場合、ユニバーサルコドン表を用いて遺伝子配列をアミノ酸配列に変換した上で取得することができる。
【００２３】
また、生物学的情報処理装置１００には、予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うウインドウレベル予測部１１０が設けられている。
【００２４】
このウインドウレベル予測部１１０は、所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較する。
【００２５】
そして、ウインドウレベル予測部１１０は、このような比較をすることにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求める。ウインドウレベル予測部１１０のさらに詳しい構成および機能については後述する。
【００２６】
さらに、生物学的情報処理装置１００には、ウインドウレベル予測部１１０の予測結果に基づいて、予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うアミノ酸残基レベル予測部１１２が設けられている。
【００２７】
このアミノ酸残基レベル予測部１１２は、アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、着目残基を含み残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求める。
【００２８】
そして、アミノ酸残基レベル予測部１１２は、このようにして求めた着目残基に関する分布特性データを、既知ウインドウ配列群から得られる分布特定データ群と比較する。アミノ酸残基レベル予測部１１２は、このような比較をすることにより、着目残基がディスオーダー領域に含まれるか否かを予測する。アミノ酸残基レベル予測部１１２のさらに詳しい構成および機能については後述する。
【００２９】
一方、生物学的情報処理装置１００には、ディスオーダー領域が既知であるポリペプチド由来の既知ウインドウ配列群データを取得する既知データ取得部１０２が設けられている。既知ウインドウ配列群データは、任意の形式で取得することができ、例えば、１アミノ酸１文字の形式で取得してもよく、１アミノ酸３文字の形式で取得してもよい。また、他にも、遺伝子配列の形で受け付けることもできる。この場合、ユニバーサルコドン表を用いて遺伝子配列をアミノ酸配列に変換した上で取得することができる。
【００３０】
また、生物学的情報処理装置１００には、既知ウインドウ配列群からウインドウレベルディスオーダー分類基準を生成するウインドウレベル学習部１０４が設けられている。
【００３１】
このウインドウレベル学習部１０４は、既知ウインドウ配列群に含まれる所定の残基ずれ数ずつずれた各々のウインドウ配列を学習することにより、上述した予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うためのウインドウ配列レベル分類基準を生成する。
【００３２】
そして、ウインドウレベル学習部１０４は、このウインドウ配列レベル分類基準を用いて、さらに各既知ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求める。ウインドウレベル学習部１０４のさらに詳しい構成および機能については後述する。
【００３３】
さらに、生物学的情報処理装置１００には、既知ウインドウ配列群由来のウインドウレベルディスオーダー指標値からアミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベル学習部１０６が設けられている。
【００３４】
このアミノ酸残基レベル学習部１０６は、既知ウインドウ配列群由来のアミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、着目残基を含み残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求める。
【００３５】
そして、アミノ酸残基レベル学習部１０６は、このようにして求めた着目残基に関する分布特性データを学習することにより、上述した予測対象のアミノ酸配列データに含まれるアミノ酸残基レベルでディスオーダー領域の予測を行うためのアミノ酸残基レベル分類基準を生成する。アミノ酸残基レベル学習部１０６のさらに詳しい構成および機能については後述する。
【００３６】
また、生物学的情報処理装置１００には、予測対象のアミノ酸配列データに含まれるディスオーダー領域を特定するディスオーダー領域決定部１１４が設けられている。
【００３７】
このディスオーダー領域決定部１１４は、アミノ酸残基レベル予測部１１２の予測結果に基づき、ディスオーダー領域に含まれると予測されるアミノ酸残基が所定の規則で配列されたアミノ酸配列からなる領域を、ディスオーダー領域として特定する。ディスオーダー領域決定部１１４のさらに詳しい構成および機能については後述する。
【００３８】
さらに、生物学的情報処理装置１００には、アミノ酸残基レベル予測部１１２の予測結果、またはディスオーダー領域決定部１１４の決定結果を出力するための出力部１１６が設けられている。
【００３９】
この出力部１１６は、生物学的情報処理装置１００の外部に対してこれらの結果を任意の形式で出力することができる。例えば、生物学的情報処理装置１００の外部に対してこれらの結果をオンラインまたはメディアに記録することにより出力してもよく、あるいはプリンタなどにより印刷することにより出力してもよく、ディスプレイなどにより画像として表示することにより出力してもよい。
【００４０】
図２および図３は、実施の形態に係る生物学的情報処理装置１００によるディスオーダー領域の予測方法の概要を示した概念図である。
【００４１】
１ｓｔステップは、ウインドウレベルの予測ステップである。このステップでは、ディスオーダー領域が未知のポリペプチドのアミノ酸配列（入力値）から、４０アミノ酸残基長のウインドウサイズからなるウインドウ配列が複数抽出される。そして、これらの複数のウインドウ配列は、互いに１残基長ずれつつ（スライディングさせつつ）隣接する複数のウインドウ配列が並列する未知のウインドウ配列群を構成する。このとき、隣接するウインドウ配列同士は、両末端のアミノ酸残基を除いて、アミノ酸配列が重複している。
【００４２】
次いで、これらの未知のウインドウ配列群に含まれる個々のウインドウ配列から、そのウインドウ配列のアミノ酸配列から得られる生物学的特徴量を含むウインドウディスオーダー特徴データとしての特徴量ベクトルを生成する。
【００４３】
この特徴量ベクトルは、アミノ酸配列のディスオーダー領域を形成する確率に関連すると想定される、荷電の大きさ、疎水性度、配列の複雑度、荷電クラスタ予測値、既知のオーダー領域とのアミノ酸組成の相関、既知のディスオーダー領域とのアミノ酸組成の相関、αへリックス予測値、βシート予測値、疎水性クラスタ予測値およびコンタクト数の１０種類の生物学的特徴量を含む１０次元のベクトルである。
【００４４】
さらに、この特徴量ベクトルから、ウインドウレベルディスオーダー指標値を求める。ウインドウレベルディスオーダー指標値は、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示す指標値である。ここでは、ウインドウレベルディスオーダー指標値を求めるのに、ウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）を用いる。
【００４５】
サポートベクトルマシンとは、線形しきい素子を用いて、２クラスのパターン識別器を構成するパターン認識の一手法である。特に、カーネルトリックと呼ばれる方法を用いて、非線形の識別関数を構成できるように拡張したサポートベクトルマシンは、現在知られている手法の中でも最も認識性能の優れた学習モデルの一つであると考えられている。
【００４６】
ここで、上述のウインドウレベルディスオーダー分類基準は、事前に既知のデータを用いて別途サポートベクトルマシンを用いて求められたものである。この場合、ディスオーダー領域が既知であるポリペプチドから、同様に４０アミノ酸残基長のウインドウサイズからなるウインドウ配列が複数抽出され、互いに１残基長ずれつつ隣接する複数のウインドウ配列が並列する既知ウインドウ配列群を構成する。
【００４７】
次いで、これらの既知ウインドウ配列群に含まれる個々のウインドウ配列から、上述の特徴量ベクトルを生成し、さらに、この特徴量ベクトルをサポートベクトルマシンに入力する。すると、サポートベクトルマシンにより、ディスオーダー領域と非ディスオーダー領域との特徴ベクトルを分けるように、ベクトル空間を２つに分離する分離面を得ることができる。この分離面がウインドウレベルディスオーダー分類基準となる。
【００４８】
本実施の形態では、「ディスオーダー領域」と「非ディスオーダー領域」という用語がペアで用いられる。このとき、「ディスオーダー領域」は、適当な分類を行うための所定の配列長さ以上のディスオーダー領域を意味する。「非ディスオーダー領域」は、ディスオーダー領域以外の領域であり、したがって、ここでは、上記所定の配列長さ未満の長さをもつディスオーダー領域も非ディスオーダー領域に含まれることになる。
【００４９】
こうして得られたウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に、上述の未知のウインドウ配列群由来の特徴量ベクトルを入力すると、そのウインドウ配列がディスオーダー領域に属する確率（信頼度）が０以上１以下の範囲で出力される。この確率（信頼度）をウインドウレベルディスオーダー指標とする。
【００５０】
なお、サポートベクトルマシンの出力値は、上述のように０以上１以下であり、確率として出力される。一般的には、この出力値が０．５以上または０．５未満のどちらであるかに基づいて、分類を判定する。しかし、本実施の形態では、この出力値を、そのまま、各々の未知のウインドウ配列のディスオーダー領域に属する確率（信頼度）を表すウインドウレベルディスオーダー指標値として使う。
【００５１】
次の２ｎｄステップは、アミノ酸レベルの予測ステップである。このステップでは、１つのアミノ酸残基に着目して以下の処理を行う。この着目されたアミノ酸残基を着目残基と記載する。
【００５２】
２ｎｄステップでは、まず、着目残基とウインドウレベルディスオーダー指標値との関連づけを行う。２ｎｄステップに進む時点で、既に１ｓｔステップにおいて、互いに１残基長ずれつつ隣接する複数のウインドウ配列の各々から、ウインドウレベルディスオーダー指標値が得られている。例えば、ウインドウ配列の残基数が４０であれば、１つの着目残基がウインドウ配列の右端に存在するときから左端に存在するときまで、あわせて４０本のウインドウ配列に含まれることになるため、４０のウインドウレベルディスオーダー指標値に関連づけられる。
【００５３】
本実施形態では、１つの着目残基に関連づけられたこれらのウインドウレベルディスオーダー指標値の特徴を把握することによって、その着目残基がディスオーダー領域に属するか、非ディスオーダー領域に属するかを見極めたい。すなわち、１つの着目残基がディスオーダー領域に属するか予測したい。
【００５４】
そこで、本実施形態では、２ｎｄステップにおいて、１つの着目残基に関連づけられた４０のウインドウレベルディスオーダー指標値の分布特性（信頼度の分布）を解析する。具体的には、４０のウインドウレベルディスオーダー指標値について、１０種類の数値範囲ごとの頻度分布（信頼度の分布）を集計して、その頻度分布をノーマライズ（正規化）する。そして、正規化された頻度分布がディスオーダー領域に属するか、非ディスオーダー領域に属するかを判定する。
【００５５】
このときも、アミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシンを用いる。アミノ酸残基レベルディスオーダー分類基準は、事前に既知のデータを使って別途サポートベクトルマシンを用いて求められる。この場合、既知のデータ群からも上述の頻度分布が同様に求められるため、それらの各頻度分布のベクトルデータが得られ、ベクトルデータ群がサポートベクトルマシンに入力される。その結果、ディスオーダー領域と非ディスオーダー領域とのデータを分けるように、頻度分布ベクトルの空間を２つに分離する分離面が得られ、この分離面がアミノ酸残基レベルディスオーダー分類基準となる。
【００５６】
こうして得られたアミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に、上述のディスオーダー領域が未知のアミノ酸配列の着目残基の頻度分布ベクトルを入力すると、その着目残基がディスオーダー領域に属する確率（信頼度）が０以上１以下の範囲で出力される。この確率（信頼度）をアミノ酸残基レベルディスオーダー指標とする。
【００５７】
このときも、サポートベクトルマシンの出力値は、上述のように０以上１以下であり、確率として出力される。ここでは、この出力値が０．５以上または０．５未満のどちらであるかに基づいて、着目残基がディスオーダー領域または非ディスオーダー領域のいずれに分類されるかを判定する。
【００５８】
そして、着目残基のディスオーダー領域への分類の結果が得られると、その分類結果を所定の規則に基づいて修正することにより、予測対象のアミノ酸配列のうちディスオーダー領域である領域を決定する。本実施形態では、ディスオーダー領域に属すると分類された着目残基の連続長が２１残基以上である場合には、それらの領域をディスオーダー領域と決定する。
【００５９】
なお、上述のサポートベクトルマシンを使うウインドウレベル予測（第1ステップ）およびアミノ酸レベル予測（第２ステップ）では、ディスオーダー領域の基準長を４０残基に設定していたのに対し、この最終決定ステップでは、ディスオーダー領域の基準長は２１残基に設定されている。しかし、両者の基準長が同じでもよいことはもちろんである。
【００６０】
上述の規則についてさらに説明すると、上記規則は、特に２０残基長を閾値とする規則に限定されず、他の任意の規則を用いることができる。例えば、３０残基長または４０残基長を閾値とする規則を用いても良い。または、所定の残基長の中に、１または２残基であれば非ディスオーダー領域に属すると分類される着目残基が存在していても、他の残基はすべてディスオーダー領域に属すると分類されていれば、その残基長すべてをディスオーダー領域と決定する規則としてもよい。
【００６１】
こうして得られた結果は、予測対象のアミノ酸配列のディスオーダー領域を示す予測結果として出力されることになる。なお、上述の説明では、第一ステップおよび第２ステップでは機械学習法であるサポートベクトルマシン（ＳＶＭ）で学習および予測を行うこととしたが、特に限定するわけではなく、他の学習および予測の方法も好適に使用しうる。
【００６２】
＜学習機能に関するより詳細な説明＞
図４は、実施の形態に係る生物学的情報処理装置１００のうちの学習機能構成を示しており、学習機能は、既知データ取得部１０２、ウインドウレベル学習部１０４、アミノ酸残基レベル学習部１０６を備えている。この学習機能は、本実施形態の生物学的処理装置１００のコンピュータと、そこで実行される２つのサポートベクトルマシンで構成され、実現される。
【００６３】
生物学的情報処理装置１００の既知データ取得部１０２には、既知ウインドウ配列群データ取得部２０２が設けられている。既知ウインドウ配列群データ取得部２０２は、一本のアミノ酸配列を受け取った場合に、入力されたポリペプチドのアミノ酸配列から所定のウインドウサイズのウインドウ配列を抽出する。そして、これらのウインドウ配列を所定の残基ずれ数ずつずらしながら互いに重複させて並べることにより、既知ウインドウ配列群を生成する。こうして取得された既知ウインドウ配列群は、既知ウインドウ配列群データ記憶部２０４に格納される。
【００６４】
生物学的情報処理装置１００のウインドウレベル学習部１０４には、ウインドウディスオーダー特徴データ抽出部２０６が設けられている。このウインドウディスオーダー特徴データ抽出部２０６は、既知ウインドウ配列群に含まれる個々のウインドウ配列のアミノ酸配列に基づいて、ウインドウディスオーダー特徴量を抽出して、個々のウインドウ配列に対応する特徴量ベクトルを生成する。こうして得られた特徴量ベクトルは、ウインドウディスオーダー特徴量記憶部２０８に格納される。
【００６５】
生物学的情報処理装置１００のウインドウレベル学習部１０４には、ウインドウレベルディスオーダー分類基準生成部２１０が設けられている。このウインドウレベルディスオーダー分類基準生成部２１０は、特徴量ベクトルをサポートベクトルマシン（ＳＶＭ）に入力し、特徴量ベクトルを分類するためのウインドウレベルディスオーダー分類基準を生成する。このとき、サポートベクトルマシンの分離面がウインドウレベルディスオーダー分類基準となる。こうして生成されたウインドウレベルディスオーダー分類基準は、ウインドウレベルディスオーダー分類基準記憶部２１２に格納される。
【００６６】
生物学的情報処理装置１００のウインドウレベル学習部１０４には、ウインドウレベルディスオーダー指標生成部２１４が設けられている。このウインドウレベルディスオーダー指標生成部２１４は、特徴量ベクトルを、上述のようにして生成されたウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に入力する。その結果、サポートベクトルマシンから、特徴量ベクトルがディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値が生成される。こうして生成されたウインドウレベルディスオーダー指標値は、ウインドウレベルディスオーダー指標値記憶部２１６に格納される。
【００６７】
生物学的情報処理装置１００のアミノ酸残基レベル学習部１０６には、頻度分布データ生成部２１８が設けられている。この頻度分布データ生成部２１８は、上述のようにして得られたウインドウレベルディスオーダー指標値を着目アミノ酸残基ごとに、そのアミノ酸残基を右端から左端までのいずれかの箇所に含むウインドウ配列のすべてについて集計して、所定の数値範囲ごとの出現頻度を求めて頻度分布データを生成する。こうして得られた頻度分布データは、頻度分布データ記憶部２２０に格納される。
【００６８】
生物学的情報処理装置１００のアミノ酸残基レベル学習部１０６には、アミノ酸残基レベルディスオーダー分類基準生成部２２２が設けられている。このアミノ酸残基レベルディスオーダー分類基準生成部２２２は、上述のようにして得られた頻度分布データをサポートベクトルマシン（ＳＶＭ）に入力し、頻度分布データをディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるようにアミノ酸残基レベルディスオーダー分類基準を生成する。このとき、サポートベクトルマシンの分離面がアミノ酸残基レベルディスオーダー分類基準となる。こうして生成されたアミノ酸残基レベルディスオーダー分類基準は、アミノ酸残基レベルディスオーダー分類基準記憶部２２４に格納される。
【００６９】
図５は、実施の形態に係る生物学的情報処理装置１００の学習に用いるトレーニングセットの概要を示した概念図である。一般に、サポートベクトルマシン（ＳＶＭ）をはじめとする教師つき機械学習には、トレーニングデータセットが必要である。
【００７０】
そこで、本実施の形態では、具体的には、正のデータ（長いｄｉｓｏｒｄｅｒ領域を含むタンパク質データセット）として、論文（Ｐｒｏｔｅｉｎｓ． ２０００ Ｎｏｖ １５；４１（３）：４１５−２７）から取得したデータと、データベース（Ｄａｔａｂａｓｅ ｏｆ Ｐｒｏｔｅｉｎ Ｄｉｓｏｒｄｅｒ ： ｈｔｔｐ：／／ｗｗｗ．ｄｉｓｐｒｏｔ．ｏｒｇ／）から取得したデータとを用いた。これらのデータソースから、ｎｏｎ−ｒｅｄｕｎｄａｎｔな形で４０残基以上のｄｉｓｏｒｄｅｒ領域を含むアミノ酸配列を選んだところ、１９９配列が得られた。
【００７１】
一方、負のデータとしては、（短いｄｉｓｏｒｄｅｒ領域を含む、もしくはｄｉｓｏｒｄｅｒ領域のないタンパク質データセット）としては、ＰＤＢのＸ線結晶解析データから作成した。すなわち、ｄｉｓｏｒｄｅｒ領域は、Ｘ線結晶解析で座標が決められていない残基と定義し、Ｘ線結晶解析データの決定されているタンパク質は、短いｄｉｓｏｒｄｅｒ領域を含む、もしくはｄｉｓｏｒｄｅｒ領域のないタンパク質であると想定して負のデータに分類した。
【００７２】
その結果、負のデータとしては、ｄｉｓｏｒｄｅｒ領域のないタンパク質データセット２１７配列、短いｄｉｓｏｒｄｅｒ領域（３０残基以下）を含むタンパク質データセット７５配列を得ることができた。以下、特に断り書きのない限り、これらの正および負のデータを含むトレーニングセットを用いて学習を行ったものとする。
【００７３】
なお、本実施形態では、所定長（本実施形態では３０残基）連続してディスオーダー領域に分類されるアミノ酸残基が続かないウインドウ配列は、非ディスオーダー領域からなるウインドウ配列として扱うが、学習サンプル選定の都合によるものであって、特に限定する趣旨ではない。
【００７４】
例えば、所定長（本実施形態では４０残基）以上連続してディスオーダー領域に分類されるアミノ酸残基が続かないウインドウ配列を、非ディスオーダー領域からなるウインドウ配列として用いてもよい。このとき、非ディスオーダー領域からなるウインドウ配列は、オーダー領域からなるウインドウ配列にくわえて、４０残基長未満の短いディスオーダー領域を含むウインドウ配列も含むことになる。
【００７５】
図６は、実施の形態に係る生物学的情報処理装置１００の第一ステップで抽出される特徴量の概要を示した概念図である。本実施形態では、既知ウインドウ配列群のアミノ酸配列から、以下の情報（生物学的特徴量）を抽出し、それぞれのアミノ酸配列を数値化して特徴ベクトルを生成した。
【００７６】
本手法では、具体的には、４０残基長のウインドウ配列から、アミノ酸配列のディスオーダー領域に属す確率に影響を与える１０種類の情報（生物学的特徴量）を抽出し、それらの１０種類の生物学的特徴量（記述子）を因子として含む、１０次元の特徴ベクトルを生成する。なお、それぞれの生物学的特徴量の求め方は、詳しくは後述する。
【００７７】
図７は、実施の形態に係る生物学的情報処理装置１００の備えるサポートベクトルマシンの概要を示した概念図である。本実施の形態では、パターン認識における機械学習法の一種であるサポートベクトルマシン（ＳＶＭ）を用い、２クラスのパターン識別を行っている。このサポートベクトルマシンは、ウインドウレベルでも用いられ、アミノ酸残基レベルでも用いられる。
【００７８】
この際、図７（ａ）のように、入力空間では平面によりうまく２クラスに分離することが困難である場合には、図７（ｂ）のように、Ｎ個の学習サンプルを特徴空間に写像し、サンプルが２クラスにうまく分離できるように超平面を設定すればよい。なお、入力空間の平面または特徴空間の超平面を設定する際には、図７（ｃ）に示すように、マージンが最大化するように設定することが好ましい。
【００７９】
本実施形態では、サポートベクトルマシンは、各種分類基準を生成する際に用いられ、さらには、既に存在している分類基準を分離面として有するサポートベクトルマシンに各種ベクトルをあてはめて、未知データのウインドウレベルディスオーダー指標値を求めるため、また、未知データの頻度分布ベクトルをディスオーダー領域または非ディスオーダー領域に分類するためにも用いられる。この場合、ウインドウレベルディスオーダー指標値は、分離面とベクトルデータとの位置関係に基づいて、求められる。より具体的には、ウインドウレベルディスオーダー指標値は、分離面とベクトルデータとの距離に関連する値として求められる。
【００８０】
図８は、実施の形態に係る生物学的情報処理装置１００の学習の流れについて説明するためのフローチャートである。本実施の形態では、まず、既知ウインドウ配列群データ取得部２０２により、既知ウインドウ配列群データを取得する（Ｓ１０２）。次いで、ウインドウディスオーダー特徴データ抽出部２０６により、アミノ酸配列を数値化して特徴量ベクトルを生成する（Ｓ１０４）。
【００８１】
そして、ウインドウレベルディスオーダー分類基準生成部２１０において、上述の特徴量ベクトルをサポートベクトルマシンに入力し、第一ステップの機械学習をウインドウレベルで行い、ウインドウレベルディスオーダー分類基準およびウインドウレベルディスオーダー指標値を生成する（Ｓ１０６）。
【００８２】
さらに、アミノ酸残基レベルディスオーダー分類基準生成部２２２において、頻度分布データ生成部２１８によりウインドウレベルディスオーダー指標値から生成された頻度分布データをサポートベクトルマシに入力して、第二ステップの機械学習をアミノ酸レベルで行って、アミノ酸残基レベルディスオーダー分類基準を生成する（Ｓ１０８）。
【００８３】
＜予測機能に関するより詳細な説明＞
図９は、実施の形態に係る生物学的情報処理装置１００のうちの予測機能を示しており、予測機能は、予測対象データ取得部１０８、ウインドウレベル予測部１１０、アミノ酸残基レベル予測部１１２を備える。この予測機能は、上述の学習機能と同様、本実施の形態の生物学的情報処理装置１００のコンピュータと、そこで実行される２つのサポートベクトルマシンのプログラムで構成され、実現される。
【００８４】
生物学的情報処理装置１００の予測対象データ取得部１０８には、予測対象データ取得部３０２が設けられている。予測対象データ取得部３０２は、一本のアミノ酸配列を受け取った場合に、入力されたポリペプチドのアミノ酸配列から所定のウインドウサイズのウインドウ配列を抽出し、所定の残基ずれ数ずつずらしながら互いに重複させて並べることにより、予測対象ウインドウ配列群を生成する。こうして取得された予測対象ウインドウ配列群は、予測対象データ記憶部３０４に格納される。
【００８５】
生物学的情報処理装置１００のウインドウレベル予測部１１０には、ウインドウディスオーダー特徴データ抽出部３０６が設けられている。このウインドウディスオーダー特徴データ抽出部３０６は、予測対象のウインドウ配列群に含まれる個々のウインドウ配列のアミノ酸配列に基づいて、ウインドウディスオーダー特徴量を抽出して、個々のウインドウ配列に対応する特徴量ベクトルを生成する。こうして得られた特徴量ベクトルは、ウインドウディスオーダー特徴量記憶部３０８に格納される。
【００８６】
生物学的情報処理装置１００のウインドウレベル予測部１１０には、ウインドウレベルディスオーダー分類基準記憶部３１０が設けられている。このウインドウレベルディスオーダー分類基準記憶部３１０は、ウインドウレベルディスオーダー分類基準記憶部２１２と同じであり、ウインドウレベルディスオーダー分類基準生成部２１０により生成されたウインドウレベルディスオーダー分類基準を記憶している。
【００８７】
生物学的情報処理装置１００のウインドウレベル予測部１１０には、ウインドウレベルディスオーダー指標生成部３１２が設けられている。このウインドウレベルディスオーダー指標生成部３１２は、複数の特徴量ベクトルを、ウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に入力する。その結果、サポートベクトルマシンから、特徴量ベクトルがディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値が生成される。こうして生成されたウインドウレベルディスオーダー指標値は、ウインドウレベルディスオーダー指標値記憶部３１４に格納される。
【００８８】
生物学的情報処理装置１００のアミノ酸残基レベル予測部１１２には、頻度分布データ生成部３１６が設けられている。この頻度分布データ生成部３１６は、上述のようにして得られたウインドウレベルディスオーダー指標値を着目アミノ酸残基ごとに、そのアミノ酸残基を右端から左端までのいずれかの箇所に含むウインドウ配列のすべてについて集計して、所定の数値範囲ごとの出現頻度を求めて頻度分布データを生成する。こうして得られた頻度分布データは、頻度分布データ記憶部３１８に格納される。
【００８９】
生物学的情報処理装置１００のアミノ酸残基レベル予測部１１２には、アミノ酸残基レベルディスオーダー分類基準記憶部３２０が設けられている。このアミノ酸残基レベルディスオーダー分類基準記憶部３２０は、アミノ酸残基レベルディスオーダー分類基準記憶部２２４と同じであり、アミノ酸残基レベルディスオーダー分類基準生成部２２２により生成されたアミノ酸残基レベルディスオーダー分類基準を記憶している。
【００９０】
生物学的情報処理装置１００のアミノ酸残基レベル予測部１１２には、アミノ酸残基レベルディスオーダー該当性判定部３２２が設けられている。このアミノ酸残基レベルディスオーダー該当性判定部３２２は、個々の着目アミノ酸残基に関連付けられている頻度分布データを、アミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に入力して頻度分布データを分類することにより、個々の着目アミノ酸残基をディスオーダー領域に該当するか否か判定する。こうして得られた判定結果は、アミノ酸残基レベルディスオーダー該当性判定結果記憶部３２４に格納される。
【００９１】
図１０は、実施の形態に係る生物学的情報処理装置１００の予測方法の概要を示した概念図である。この図に示すように、上述のウインドウレベル予測部１１０では、まず、入力値（アミノ酸配列）に対して、第一ステップのウインドウレベルの予測が行われる。
【００９２】
具体的には、ディスオーダー領域が未知のポリペプチドのアミノ酸配列から、４０アミノ酸残基長のウインドウサイズからなるウインドウ配列が複数抽出される。そして、これらの複数のウインドウ配列は、互いに１残基長ずれつつ隣接する複数のウインドウ配列が並列する未知ウインドウ配列群を構成する。このとき、隣接するウインドウ配列同士は、両末端のアミノ酸残基を除いて、アミノ酸配列が重複している。
【００９３】
次いで、これらの未知のウインドウ配列群に含まれる個々のウインドウ配列から、そのウインドウ配列のアミノ酸配列から得られる生物学的特徴量を含むウインドウディスオーダー特徴データとしての特徴量ベクトルを生成する。
【００９４】
さらに、あらかじめ既知ウインドウ配列データから生成されたウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に、上述の未知のウインドウ配列群由来の特徴量ベクトルを入力する。その結果、そのウインドウ配列がディスオーダー領域に属する確率（予測の信頼度）が、サポートベクトルマシンから０以上１以下の範囲で出力される。この確率（予測の信頼度）をウインドウレベルディスオーダー指標とする。
【００９５】
次に、第一ステップが終わると、この図に示すように第二ステップのアミノ酸レベルの予測が行われる。このステップでは、１つのアミノ酸残基に着目して以下の処理を行う。この着目されたアミノ酸残基を着目残基と記載する。
【００９６】
第二ステップでは、まず、着目残基とウインドウレベルディスオーダー指標値との関連づけを行う。第二ステップに進む時点で、既に第一ステップにおいて、互いに１残基長ずれつつ隣接する複数のウインドウ配列の各々から、ウインドウレベルディスオーダー指標値が得られている。本実施形態では、４０本のウインドウ配列が並んでいるため、１つの着目残基がウインドウ配列の右端に存在するときから左端に存在するときまで、あわせて４０本のウインドウ配列に含まれることになるため、４０のウインドウレベルディスオーダー指標値に関連づけられる。すなわち、１残基からの視点で考えると、４０個の信頼度が並んでいるので、これら４０個の信頼度を集計して、１残基ごとに信頼度の分布を調べることになる。
【００９７】
そして、１つの着目残基に関連づけられた４０のウインドウレベルディスオーダー指標値のプロファイル（分布特性）を解析する。具体的には、合計４０データのウインドウレベルディスオーダー指標値について、１０種類の数値範囲ごとのプロファイルを集計して、その頻度分布をノーマライズ（標準化）する。これらの頻度分布は、０〜１の範囲の値になるようにノーマライズされる。具体的には、合計４０データのプロファイルをとると、出現頻度の最大値は１３なので、最大値が１になるように１３で除して標準化する。そして、標準化された頻度分布がディスオーダー領域に属するか、非ディスオーダー領域に属するかを判定する。
【００９８】
すなわち、これらの標準化された出現頻度のプロファイルを、上述のようにして既に生成されているアミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に入力し、各アミノ酸残基がディスオーダー領域に含まれるか否かを判定する。こうして得られた各アミノ酸残基についての判定結果は、ディスオーダー領域決定部１１４に送られる。
【００９９】
図１１は、実施の形態に係る生物学的情報処理装置１００のうち、ディスオーダー領域決定部１１４を示した概念図である。ディスオーダー領域決定部１１４には、アミノ酸残基レベル予測結果取得部４０２が設けられている。このアミノ酸残基レベル予測結果取得部４０２は、アミン酸残基レベルディスオーダー該当性判定部３２２により生成された、個々のアミノ酸残基のディスオーダー領域への属否に関するデータを取得する。
【０１００】
ディスオーダー領域決定部１１４には、所定規則処理部４０６が設けられている。この所定規則処理部４０６は、個々のアミノ酸残基のディスオーダー領域への属否に関するデータを、所定規則記憶部４０４に格納されている所定の規則に照らし合わせ、所定の規則を満たす領域をディスオーダー領域と判定し、所定の規則を満たさない領域を非ディスオーダー領域（オーダー領域）と判定する。こうして得られた判定結果は、ディスオーダー領域決定結果記憶部４０８に格納される。
【０１０１】
このとき、所定の規則については、任意に定めることができるが、例えば、ディスオーダー領域に属すると分類された着目残基の連続長が２１残基以上である場合には、それらの領域をディスオーダー領域と決定する規則を用いる。一方、ディスオーダー領域に属すると分類された着目残基の連続長が２０残基以下である場合には、それらの領域をディスオーダー領域ではないと決定する規則を用いる。
【０１０２】
図１２は、実施の形態に係る生物学的情報処理装置１００の予測の流れについて説明するためのフローチャートである。本実施の形態では、まず、予測対象データ取得部３０２により、予測対象のウインドウ配列群データを取得する（Ｓ２０２）。次いで、ウインドウディスオーダー特徴データ抽出部３０６により、アミノ酸配列を数値化して特徴量ベクトルを生成する（Ｓ２０４）。
【０１０３】
そして、ウインドウレベルディスオーダー指標値生成部３１２において、上述の特徴量ベクトルを、ウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシンに入力して、第一ステップの予測を行って、ウインドウレベルディスオーダー指標値を生成する（Ｓ２０６）。
【０１０４】
次いで、頻度分布データ生成部３１６により、ウインドウレベルディスオーダー指標値から個々のアミノ酸残基に関連するウインドウレベルディスオーダー指標値の頻度分布データを生成する。そして、アミノ酸残基レベルディスオーダー該当性判定部３２２において、上述の頻度分布データを、アミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシンに入力して、第二ステップの予測をアミノ酸レベルで行って、アミノ酸残基レベルディスオーダー該当性判定結果を生成する（Ｓ２０８）。
【０１０５】
そして、ディスオーダー領域決定部１１４により、アミノ酸残基レベルディスオーダー該当性判定結果を所定の規則にあてはめて、ディスオーダー領域決定結果を得る（Ｓ２１０）。こうして得られたディスオーダー領域決定結果は、出力部１１６により外部に出力される（２１２）。
【０１０６】
＜生物学的特徴量の求め方＞
上述のウインドウディスオーダー特徴データ抽出部２０６、３０６で、ウインドウ配列データ群から求められる生物学的特徴量については、図６により概要を説明したが、さらに詳しく以下説明する。
【０１０７】
図１３は、特徴量（荷電の大きさ、疎水性度）の導出方法について説明するための概念図である。特徴量の一種である「荷電の大きさ」とは、アミノ酸配列中の電荷の大きさの平均値を示す指標である。このとき、「荷電の大きさ」の計算方法は、｜配列中の電荷の総和｜／（配列の長さ）の計算式で表される。また、配列中の電荷は、
Ａｒｇ，Ｌｙｓ→＋１
Ａｓｐ，Ｇｌｕ→−１
その他→０
として計算する（図２４の各記述子が取り得る値の範囲参照）。この「荷電の大きさ」の値が大きいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１０８】
一方、特徴量の一種である「疎水性度」とは、アミノ酸配列中の疎水性指標の平均値を示す指標である。このとき、「疎水性度」の計算方法は、｜配列中の疎水性指標の総和｜／（配列の長さ）の計算式で表される。なお、疎水性指標は、Ｋｙｔｅ−Ｄｏｏｌｉｔｔｌｅの指標（図２２の疎水性インデックス参照）をスケーリング（図２４の各記述子が取り得る値の範囲参照）した数値から算出する。この「疎水性度」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１０９】
図１４は、特徴量（配列の複雑度）の導出方法について説明するための概念図である。特徴量の一種である「配列の複雑度」とは、記号エントロピーに基づくアミノ酸配列の複雑度を示す指標である。このとき、「配列の複雑度」は、（１）ＳＥＧ（ｈｔｔｐ：／／ｗｗｗ．ｂｉｏｌｏｇｙ．ｗｕｓｔｌ．ｅｄｕ／ｇｃｇ／ｓｅｇ．ｈｔｍｌ）を利用してＳＥＧ指標を求め、（２）ＳＥＧ指標を最大値が１になるようにスケーリング（図２４の各記述子が取り得る値の範囲参照）して求める。なお、ＳＥＧによれば、定性的には、以下のような指標が与えられる。
ＡＡＡＡＡ→複雑度が低い
ＡＣＤＥＦ→複雑度が高い（なお、Ａ、Ｃ、Ｄ、Ｅ、Ｆは、アミノ酸残基の例示である）
この「配列の複雑度」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１０】
図１５は、特徴量（荷電クラスタ）の導出方法について説明するための概念図である。特徴量の一種である「荷電クラスタ」とは、アミノ酸配列中に同じ電荷を持ったアミノ酸が密集している領域が存在するかを示す指標である。このとき、「荷電クラスタ」は、（１）配列を以下の３状態に変換し、
Ｌｙｓ，Ａｒｇ→＋１
Ａｓｐ，Ｇｌｕ→−１
その他→０
（２）１２残基のｗｉｎｄｏｗ内での合計の絶対値を求め、（３）１２残基のｗｉｎｄｏｗをスライドさせ、配列内での最大値を求め、（４）最大値が１になるようにスケーリング（図２４の各記述子が取り得る値の範囲参照）して求める。この「荷電クラスタ」の値が大きいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１１】
図１６は、特徴量（アミノ酸組成１）の導出方法について説明するための概念図である。特徴量の一種である「アミノ酸組成１」とは、ｏｒｄｅｒ領域でのアミノ酸出現頻度との相関を示す指標である。このとき、「アミノ酸組成１」は、（１）アミノ酸配列内でのアミノ酸出現頻度を、以下の式でもとめ、
Ｆｒｅｑ（ｉ）＝ｎ（ｉ）／Ｎ×１００×１／ｆｒｑ＿ｓｔａｎｄ（ｉ）
ｎ（ｉ）：配列内でのアミノ酸ｉの出現個数
Ｎ：配列内でのアミノ酸の個数
ｆｒｑ＿ｓｔａｎｄ：全タンパク質中でのアミノ酸ｉの出現頻度（ＳＷＩＳＳ−ＰＲＯＴ ｒｅｌｅａｓｅ ４７．０のデータを使用）
（２）負のデータから算出したｏｒｄｅｒ領域の出現頻度（図２２のｏｒｄｅｒ領域でのアミノ酸出現頻度インデックス参照）と上記のアミノ酸出現頻度との相関係数（図２４の各記述子が取り得る値の範囲参照）として求める。この「アミノ酸組成１」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１２】
図１７は、特徴量（アミノ酸組成２）の導出方法について説明するための概念図である。特徴量の一種である「アミノ酸組成２」とは、ｄｉｓｏｒｄｅｒ領域でのアミノ酸出現頻度との相関を示す指標である。このとき、「アミノ酸組成２」は、（１）配列内でのアミノ酸出現頻度をもとめ（アミノ酸組成１と同じ）、（２）正のデータから算出したｄｉｓｏｒｄｅｒ領域の出現頻度（図２２のｉｓｏｒｄｅｒ領域でのアミノ酸出現頻度インデックス参照）と上記のアミノ酸出現頻度との相関係数（図２４の各記述子が取り得る値の範囲参照）として求める。この「アミノ酸組成２」の値が大きいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１３】
図１８は、特徴量（αへリックス予測）の導出方法について説明するための概念図である。特徴量の一種である「αへリックス予測」とは、配列中にαへリックス構造のコアになりそうな領域が存在しているかを示す指標である。このとき、「αへリックス予測」は、（１）配列をαへリックスインデックス（図２３のαへリックス形成のしやすさインデックス）で数値化し、（２）６残基のウインドウをとり、以下の条件
スコアが１．１５以上のアミノ酸が４個以上ある
スコアが０．８より小さいアミノ酸がない
をみたす領域を探索することにより求める（図２４の各記述子が取り得る値の範囲参照）。αへリックスと予測される領域がないアミノ酸配列は、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１４】
図１９は、特徴量（βシート予測）の導出方法について説明するための概念図である。特徴量の一種である「βシート予測」とは、配列中にβシート構造のコアになりそうな領域が存在しているかを示す指標である。このとき、「βシート予測」は、（１）配列をβシートインデックス（図２３のβシート形成のしやすさインデックス）で数値化し、（２）５残基のウインドウをとり、以下の条件
スコアが１．２０以上のアミノ酸が３個以上ある
スコアが０．８より小さいアミノ酸がない
をみたす領域を探索することにより求める（図２４の各記述子が取り得る値の範囲参照）。βシートと予測される領域がないアミノ酸配列は、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１５】
図２０は、特徴量（疎水性クラスタ）の導出方法について説明するための概念図である。特徴量の一種である「疎水性クラスタ」とは、配列中に疎水性のアミノ酸残基が密集している領域が存在するかを示す指標である。このとき、「疎水性クラスタ」は、（１）配列を以下の３状態に変換し、
Ｐｈｅ，Ｉｌｅ，Ｌｅｕ，Ｍｅｔ，Ｖａｌ，Ｔｒｐ，Ｔｙｒ→＋１
Ｐｒｏ→＋２
その他→０
（２）配列内の合計値（ｈｙｄｒｏｐｈｏｂｉｃ＿ｖａｌｕｅ）の最大値を、Ｎ末端方向から、数値の総和をとる（ただし、“００００”もしくは“＋２”が現れたときは、ｈｙｄｒｏｐｈｏｂｉｃ＿ｖａｌｕｅは０に戻る）ことにより求め、
（３）最大値が１になるようにスケーリング（図２４の各記述子が取り得る値の範囲参照）することにより求める。この「疎水性クラスタ」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１６】
図２１は、特徴量（コンタクト数）の導出方法について説明するための概念図である。特徴量の一種である「コンタクト数」とは、コンタクト数の総和を示す指標である。このとき、「コンタクト数」は、（１）配列中のコンタクト数の総和／配列の長さを、コンタクト数の指標（図２３のコンタクト数インデックス参照）から算出し、（２）最大値が１になるようにスケーリング（図２４の各記述子が取り得る値の範囲参照）することにより求める。この「コンタクト数」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１７】
以下、本実施形態に係る生物学的情報処理装置１００の作用効果について説明する。
【０１１８】
生物学的情報処理装置１００の構成によれば、着目した１アミノ酸残基（着目残基）を含み、複数の互いに重複しており所定残基数ずつずれている複数のウインドウ配列からなるウインドウ配列群から得られるウインドウレベルディスオーダー指標値の分布特性データに基づいて、着目残基がディスオーダー領域に含まれるか否かを予測することができる。
【０１１９】
このため、一つの着目残基について、着目残基がウインドウ配列の中心に位置する場合だけでなく、着目残基がウインドウ配列の中心以外に位置する場合についても加味して多数の周辺のアミノ酸残基との相互作用なども総合的に加味して、着目残基がディスオーダー領域に含まれるか否か予測することとなり、ポリペプチドのディスオーダー領域の予測結果の信頼性が向上する。
【０１２０】
ここで、生物学的情報処理装置１００は、アミノ酸残基レベル予測部１１２の予測結果に基づき、ディスオーダー領域に含まれると予測されるアミノ酸残基が所定の規則で配列されたアミノ酸配列からなる領域をディスオーダー領域として特定するディスオーダー領域決定部１１４をさらに備えてもよい。この構成によれば、個々のアミノ酸残基の予測結果に基づいて、ディスオーダー領域を特定することができる。
【０１２１】
また、生物学的情報処理装置１００は、各ウインドウ配列から、ディスオーダー領域を特徴づけるウインドウディスオーダー特徴データを抽出するウインドウディスオーダー特徴データ抽出部２０６と、既知ウインドウ配列群の各々から得られるウインドウディスオーダー特徴データから生成され、ディスオーダー領域と非ディスオーダー領域のウインドウディスオーダー特徴データを分類するウインドウレベルディスオーダー分類基準を記憶するウインドウレベルディスオーダー分類基準記憶部２１２と、を含んでもよい。
【０１２２】
この構成によれば、既知ウインドウ配列群の各々から得られるウインドウディスオーダー特徴データに基づいて生成された、ウインドウレベルディスオーダー分類基準を記憶している。したがって、予測対象のアミノ酸配列データ由来のウインドウ配列から、このウインドウレベルディスオーダー分類基準に基づいて、ウインドウレベルディスオーダー指標値を好適に導き出すことができる。
【０１２３】
また、生物学的情報処理装置１００は、既知ウインドウ配列群からウインドウレベルディスオーダー分類基準を生成するウインドウレベル学習部１０４を含み、ウインドウレベル学習部１０４は、既知ウインドウ配列群の各配列から、ウインドウディスオーダー特徴データを抽出する既知ウインドウディスオーダー特徴データ抽出部２０６と、抽出された既知ウインドウ配列群のウインドウディスオーダー特徴データをディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるようにウインドウレベルディスオーダー分類基準を生成するウインドウレベルディスオーダー分類基準生成部２１０と、を備えてもよい。
【０１２４】
この構成によれば、生物学的情報処理装置１００が、ディスオーダー該当性が既知である既知ウインドウ配列群に基づいて、ウインドウレベルディスオーダー分類基準を生成し、生成したウインドウレベルディスオーダー分類基準を用いて、ディスオーダー領域の予測を好適に行える。
【０１２５】
また、生物学的情報処理装置１００では、上述のウインドウディスオーダー特徴データは、ディスオーダー領域を特徴づける生物学的特徴量で構成されるベクトルデータであってもよく、上述のウインドウレベルディスオーダー分類基準は、ベクトルデータの配置されている空間に設けられる分離面を規定してもよい。
【０１２６】
この構成によれば、ウインドウディスオーダー領域特徴データをベクトル形式とし、ディスオーダー領域と非ディスオーダー領域との分類基準としてベクトル空間の面を導入する。ベクトル形式を用いることにより、ウインドウディスオーダー領域特徴データを複数のパラメータによって好適に表現でき、そして、このような特徴データをベクトル空間の面を用いて好適に評価してウインドウレベルディスオーダー指標値を得られる。
【０１２７】
また、生物学的情報処理装置１００では、上述の生物学的特徴量は、荷電の大きさ、疎水性度、配列の複雑度、荷電クラスタ予測値、既知のオーダー領域とのアミノ酸組成の相関、既知のディスオーダー領域とにアミノ酸組成の相関、αへリックス予測値、βシート予測値、疎水性クラスタ予測値およびコンタクト数からなる群から選ばれる１以上の特徴量を含んでもよい。
【０１２８】
この構成によれば、これらのタンパク質のディスオーダー領域の形成に影響を与える生物学的特徴量を考慮に入れてディスオーダー領域の予測を行うこととなるため、予測の信頼性が向上する。
【０１２９】
また、生物学的情報処理装置１００では、上述のウインドウレベルディスオーダー指標値は、分離面とベクトルデータとの位置関係に基づいて、求められてもよい。
【０１３０】
この構成によれば、空間内でベクトルデータを分離する分離面を基準にすることにより、ディスオーダー領域への該当の可能性の大きさを適切に表現したウインドウレベルディスオーダー指標値を得ることができる。
【０１３１】
また、生物学的情報処理装置１００では、上述のウインドウレベル予測部および上述のウインドウレベル学習部１０４は、サポートベクトルマシンを含み、ウインドウレベルディスオーダー分類基準はサポートベクトルマシンの分離面であってもよく、ウインドウレベルディスオーダー指標値は、ウインドウディスオーダー特徴データをサポートベクトルマシンに入力することによって、サポートベクトルマシンから出力される分類確率パラメータとして求められてもよい。
【０１３２】
この構成によれば、ウインドウディスオーダー特徴データから、サポートベクトルマシンを用いて、適切なウインドウレベルディスオーダー分類基準を導き出すことができる。
【０１３３】
また、生物学的情報処理装置１００では、上述のアミノ酸残基レベル予測部１１２は、着目残基の分布特性データとして、着目残基を含む複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の頻度分布データを生成する頻度分布データ生成部３１６と、既知ウインドウ配列群から得られる頻度分布データ群から生成され、ディスオーダー領域と非ディスオーダー領域の頻度分布データを分類するアミノ酸残基レベルディスオーダー分類基準を記憶するアミノ酸残基レベルディスオーダー分類基準記憶部３２０と、を含んでもよい。
【０１３４】
この構成によれば、着目残基の分布特性データとして、着目残基を含む複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の頻度分布データを用い、この頻度分布データに基づいて生成されたアミノ酸残基レベルディスオーダー分類基準を用いる。したがって、着目残基と多数の周辺のアミノ酸残基との相互作用なども総合的に加味して着目残基がディスオーダー領域に含まれるか否か予測することとなり、予測結果の信頼性が向上する。
【０１３５】
また、生物学的情報処理装置１００は、既知ウインドウ配列群からアミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベル学習部１０６を含み、アミノ酸残基レベル学習部１０６は、既知ウインドウ配列群を構成するアミノ酸残基群にそれぞれ対応する頻度分布データ群を生成する既知アミノ酸残基頻度分布データ生成部２１８と、既知ウインドウ配列群から生成された頻度分布データ群を、ディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるように、アミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベルディスオーダー分類基準生成部２２２と、を備えてもよい。
【０１３６】
この構成によれば、生物学的情報処理装置１００が、ディスオーダー該当性が既知である既知ウインドウ配列群に基づいて、アミノ酸残基レベルディスオーダー分類基準を生成し、生成したアミノ酸残基レベルディスオーダー分類基準を用いてディスオーダー領域の予測を好適に行える。
【０１３７】
また、生物学的情報処理装置１００では、上述の頻度分布データは、複数の所定数値範囲ごとのウインドウレベルディスオーダー指標値の出現頻度で構成されるベクトルデータであり、アミノ酸残基レベルディスオーダー分類基準は、ベクトルデータの配置されている空間に設けられる分離面を規定してもよい。
【０１３８】
この構成によれば、ウインドウディスオーダー指標値の頻度分布データをベクトル形式とし、ディスオーダー領域と非ディスオーダー領域との分類基準としてベクトル空間の面を導入する。ベクトル形式を用いることにより頻度分布特性を適切に表現でき、そして、このような頻度分布データをベクトル空間の面を用いて好適に評価してディスオーダー領域の予測を行える。
【０１３９】
また、生物学的情報処理装置１００では、上述のアミノ酸残基レベル予測部１１２および上述のアミノ酸残基レベル学習部１０６は、サポートベクトルマシンを含み、アミノ酸残基レベルディスオーダー分類基準はサポートベクトルマシンの分離面であってもよく、ディスオーダー領域への着目残基の該当の有無は、頻度分布データをサポートベクトルマシンに入力することによって、サポートベクトルマシンから出力される分類確率パラメータとして求めてもよい。
【０１４０】
この構成によれば、頻度分布データから、サポートベクトルマシンを用いて、ディスオーダー領域への着目残基の該当の有無を予測することができる。
【０１４１】
また、生物学的情報処理装置１００では、上述のウインドウサイズは、好適には３０残基以上であり、上記残基ずれ数は、好適には１残基以上である。
【０１４２】
この構成によれば、非特許文献１および非特許文献２に記載の従来技術では用いられない３０残基以上の長さのウインドウサイズを用いて、このウインドウサイズからなるウインドウ配列を１塩基以上ずつずらして互いに重複して並べて得られるウインドウ配列群を用いるため、着目残基について、周辺の３０残基について総合的なプロファイル（出現頻度の分布特性）を作成することができ、そのプロファイルを用いる予測の信頼性を向上することができる。
【０１４３】
以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。
【０１４４】
例えば、上記実施の形態ではサポートベクトルマシンにより各種分類基準を生成し、また各種分類基準へのあてはめを行ったが、サポートベクトルマシン以外の学習機械を用いてもよい。このようにしても、適切な学習機械を選定すれば、充分に好適な分類結果が得られるという利点が得られる。
【０１４５】
また、本発明の生物学的情報処理装置は、単独のコンピュータで実現されてもよく、分散配置された複数のコンピュータで実現されてもよい。生物学的情報処理装置は、ネットワークに接続されてもよい。例えば、インターネット経由で、ディスオーダー領域が未知のアミノ酸配列が取得され、本発明の予測処理が行われ、予測結果がインターネット経由で出力され、返されてもよい。
【産業上の利用可能性】
【０１４６】
以上のように、本発明にかかる生物学的情報処理装置は、ポリペプチドのディスオーダー領域の予測結果の信頼性が向上するという効果を有し、ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置、生物学的情報処理方法および生物学的情報処理プログラムとして有用である。
【０１４７】
なお、これらの中でも、実験サポート（Ｘ線結晶解析支援、構造決定のさまたげになる領域の削除の指針提供）、タンパク質の機能推定、ドメイン予測、立体構造予測などへの利用等が可能な装置として特に有用である。
【図面の簡単な説明】
【０１４８】
【図１】実施の形態に係る生物学的情報処理装置１００の構成の概要を示した機能ブロック図である。
【図２】実施の形態に係る生物学的情報処理装置１００によるディスオーダー領域の予測方法の概要を示した概念図である。
【図３】実施の形態に係る生物学的情報処理装置１００によるディスオーダー領域の予測方法の概要を示した概念図である。
【図４】実施の形態に係る生物学的情報処理装置１００のうち、既知データ取得部１０２、ウインドウレベル学習部１０４、アミノ酸残基レベル学習部１０６を示した機能ブロック図である。
【図５】実施の形態に係る生物学的情報処理装置１００の学習に用いるトレーニングセットの概要を示した概念図である。
【図６】実施の形態に係る生物学的情報処理装置１００の第一ステップで抽出される特徴量の概要を示した概念図である。
【図７】実施の形態に係る生物学的情報処理装置１００の備えるサポートベクトルマシンの概要を示した概念図である。
【図８】実施の形態に係る生物学的情報処理装置１００の学習の流れについて説明するためのフローチャートである。
【図９】実施の形態に係る生物学的情報処理装置１００のうち、予測対象データ取得部１０８、ウインドウレベル予測部１１０、アミノ酸残基レベル予測部１１２を示した機能ブロック図である。
【図１０】実施の形態に係る生物学的情報処理装置１００の予測方法の概要を示した概念図である。
【図１１】実施の形態に係る生物学的情報処理装置１００のうち、ディスオーダー領域決定部１１４を示した概念図である。
【図１２】実施の形態に係る生物学的情報処理装置１００の予測の流れについて説明するためのフローチャートである。
【図１３】特徴量（荷電の大きさ、疎水性度）の導出方法について説明するための概念図である。
【図１４】特徴量（配列の複雑度）の導出方法について説明するための概念図である。
【図１５】特徴量（荷電クラスタ）の導出方法について説明するための概念図である。
【図１６】特徴量（アミノ酸組成１）の導出方法について説明するための概念図である。
【図１７】特徴量（アミノ酸組成２）の導出方法について説明するための概念図である。
【図１８】特徴量（αへリックス予測）の導出方法について説明するための概念図である。
【図１９】特徴量（βシート予測）の導出方法について説明するための概念図である。
【図２０】特徴量（疎水性クラスタ）の導出方法について説明するための概念図である。
【図２１】特徴量（コンタクト数）の導出方法について説明するための概念図である。
【図２２】特徴量の導出に用いられるアミノ酸インデックス（疎水性インデックス、オーダー領域のアミノ酸出現頻度、ディスオーダー領域のアミノ酸出現頻度）について説明するための概念図である。
【図２３】特徴量の導出に用いられるアミノ酸インデックス（αへリックス形成のしやすさ、βシート形成のしやすさ、コンタクト数）について説明するための概念図である。
【図２４】特徴量の各記述子が取り得る値の範囲について説明するための概念図である。
【符号の説明】
【０１４９】
１００ 生物学的情報処理装置
１０２ 既知データ取得部
１０４ ウインドウレベル学習部
１０６ アミノ酸残基レベル学習部
１０８ 予測対象データ取得部
１１０ ウインドウレベル予測部
１１２ アミノ酸残基レベル予測部
１１４ ディスオーダー領域決定部
１１６ 出力部
２０２ 既知ウインドウ配列群データ取得部
２０４ 既知ウインドウ配列群データ記憶部
２０６ ウインドウディスオーダー特徴データ抽出部
２０８ ウインドウディスオーダー特徴量記憶部
２１０ ウインドウレベルディスオーダー分類基準生成部
２１２ ウインドウレベルディスオーダー分類基準記憶部
２１４ ウインドウレベルディスオーダー指標生成部
２１６ ウインドウレベルディスオーダー指標記憶部
２１８ 頻度分布データ生成部
２２０ 頻度分布データ記憶部
２２２ アミノ酸残基レベルディスオーダー分類基準生成部
２２４ アミノ酸残基レベルディスオーダー分類基準記憶部
３０２ 予測対象データ取得部
３０４ 予測対象データ記憶部
３０６ ウインドウディスオーダー特徴データ抽出部
３０８ ウインドウディスオーダー特徴量記憶部
３１０ ウインドウレベルディスオーダー分類基準記憶部
３１２ ウインドウレベルディスオーダー指標値生成部
３１４ ウインドウレベルディスオーダー指標値記憶部
３１６ 頻度分布データ生成部
３１８ 頻度分布データ記憶部
３２０ アミノ酸残基レベルディスオーダー分類基準記憶部
３２２ アミノ酸残基レベルディスオーダー該当性判定部
３２４ アミノ酸残基レベルディスオーダー該当性判定結果記憶部
４０２ アミノ酸残基レベル予測結果取得部
４０４ 所定規則記憶部
４０６ 所定規則処理部
４０８ ディスオーダー領域決定結果記憶部
【技術分野】
【０００１】
本発明は、ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置、生物学的情報処理方法および生物学的情報処理プログラムに関する。
【背景技術】
【０００２】
タンパク質の機能は、その構造によって決定されるため、立体構造予測はタンパク質の機能解明にとって非常に重要な問題である。近年、多くの立体構造がＸ線やＮＭＲにより解明されている中で、部分的に折りたたまれていない箇所を持つタンパク質が、数多くの生物種において存在することがわかってきた。この事実から、決まった構造をとらない領域（ディスオーダー領域＝ｄｉｓｏｒｄｅｒ領域）が何らかの機能的役割を持ち、進化的に保存されていると考えられるようになり、タンパク質のディスオーダー領域の予測が注目を集めている。
【０００３】
ディスオーダー領域と非ディスオーダー領域との間には、アミノ酸組成などの各種特性に明らかな差があるため、関連研究の多くでは事前に得られるデータにおけるディスオーダー領域と非ディスオーダー領域との特徴の違いを捉えて学習し、種々の方法により予測を行っている。
【０００４】
アミノ酸配列からタンパク質中に存在するディスオーダー領域（ｄｉｓｏｒｄｅｒ領域）を予測するための従来のプログラムとしては、例えば非特許文献１および非特許文献２に記載されたものがある。これらの文献に記載のプログラムは、第一ステップにおいて、アミノ酸配列からなる入力値を、ＰＳＩ−ＢＬＡＳＴによってプロファイル化し、そのプロファイルをＳＶＭ（サポートベクトルマシン）によって分類することにより、アミノ酸残基レベルでのディスオーダー領域の予測を行う。
【０００５】
そして、第二ステップにおいて、こうして得られたアミノ酸残基レベルでのディスオーダー領域の予測結果を、ニューラルネットワークを用いてさらに解析することにより、再度アミノ酸残基レベルでのディスオーダー領域の予測を行う。そして、この第二ステップで得られた予測結果を、ディスオーダー領域の予測結果として出力する。
【０００６】
なお、ＰＳＩ−ＢＬＡＳＴとは、Ｐｏｓｉｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｔｅｒａｔｉｖｅ ＢＬＡＳＴの略である。ＰＳＩ−ＢＬＡＳＴでは、最初に行った検索結果から自動的にマルチプルアラインメント（複数配列を整列したもの）を作製する。これをｐｒｏｆｉｌｅ（またはｐｏｓｉｔｉｏｎ ｓｐｅｃｉｆｉｃ ｓｃｏｒｉｎｇ ｍａｔｒｉｘ＝ＰＳＳＭ）として、データベースを再検索する。上述の非特許文献では、ＰＳＩ−ＢＬＡＳＴの有する上述のマルチプルアラインメント機能を用いている。このとき、マルチプルアラインメントにおいて複数列挙されるウインドウ配列の長さは、１５残基程度である。
【０００７】
【非特許文献１】Jones, D. T. ＆ Ward, J. J. “Prediction of disordered regions in proteins from position specific scoring Matrices” Proteins: Strut. Funct. Genet. (2003) 53, 573-578
【非特許文献２】Ward, J. J., Sodhi, J. S., McGuffin, L. J., Buxton, B. F., Jones, D. T., “Prediction and Functional Analysis of Native Disorder in Proteins from the Three Kingdoms of Life” J. Mol. Biol. (2004) 337, 635-645
【発明の開示】
【発明が解決しようとする課題】
【０００８】
しかしながら、上記文献記載の従来技術は、以下の点で改善の余地を有していた。
従来技術のプログラムでは、ＰＳＩ−ＢＬＡＳＴを用いてプロファイル化された、１５アミノ酸残基程度の複数のウインドウ配列が、互いに重複しつつ１残基ずつずれながら並べられたウインドウ配列群が生成される。そして、ウインドウ配列を、サポートベクトルマシン（ＳＶＭ）およびニューラルネットワークに入力して分類した結果により、各ウインドウ配列の中央の１アミノ酸残基がディスオーダー領域に含まれるか否かを判定する。
【０００９】
したがって、従来技術は、アミノ酸配列中の各々のアミノ酸残基を、そのアミノ酸残基を中央に含むウインドウ配列と、１対１で対応させる。そして、各アミノ酸残基の判定が、対応する一つのウインドウ配列を用いて行われる。この判定結果が並べられて、ディスオーダー領域が特定される。
【００１０】
ここで、一般に、各アミノ酸残基がディスオーダー領域に含まれるか否かは、生体内などの自然条件下では、該アミノ酸残基の種類に加えて、多数の周辺のアミノ酸残基との相互作用なども総合的に加味して決定されると考えられる。
【００１１】
しかし、従来技術のように各アミノ酸残基の判定を、そのアミノ酸残基を中心に含む１５残基程度の長さのウインドウ配列の分類結果だけから行ったのでは、各アミノ酸残基がウインドウ配列の中心以外の位置にあるときの他のアミノ酸残基との相互作用は評価の対象として加味されないことになる。その結果、各アミノ酸残基と多数の周辺のアミノ酸残基との相互作用などが総合的に評価の対象として織り込まれないため、予測結果の信頼性の面で改善の余地があった。
【００１２】
本発明は上記事情に鑑みてなされたものであり、ポリペプチドのディスオーダー領域を信頼性よく予測することを目的とする。
【課題を解決するための手段】
【００１３】
本発明によれば、ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置であって、予測対象のポリペプチドのアミノ酸配列データを取得する予測対象データ取得部と、予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うウインドウレベル予測部と、ウインドウレベル予測部の予測結果に基づいて、予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うアミノ酸残基レベル予測部と、を備え、ウインドウレベル予測部は、所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較することにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求め、アミノ酸残基レベル予測部は、アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、着目残基を含み残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求め、着目残基に関する分布特性データを、既知ウインドウ配列群から得られる分布特定データ群と比較することにより、着目残基がディスオーダー領域に含まれるか否かを予測する、ことを特徴とする生物学的情報処理装置が提供される。
【００１４】
本発明によれば、着目した１アミノ酸残基（着目残基）を含み、複数の互いに重複しており所定残基数ずつずれている複数のウインドウ配列からなるウインドウ配列群から得られるウインドウレベルディスオーダー指標値の分布特性データに基づいて、着目残基がディスオーダー領域に含まれるか否かを予測する。
【００１５】
このため、一つの着目残基について、着目残基がウインドウ配列の中心に位置する場合だけでなく、着目残基がウインドウ配列の中心以外に位置する場合についても加味して多数の周辺のアミノ酸残基との相互作用なども総合的に加味して、着目残基がディスオーダー領域に含まれるか否か予測することとなり、ポリペプチドのディスオーダー領域の予測結果の信頼性が向上する。
【００１６】
なお、上記の生物学的情報処理装置は本発明の一態様であり、本発明の生物学的情報処理装置は、以上の構成要素の任意の組合せであってもよい。また、本発明の生物学的情報処理装置と同様の構成を備える生物学的情報処理方法、生物学的情報処理システム、生物学的情報処理プログラム、生物学的情報処理プログラムを含む記録媒体なども、同様の作用効果を有する。
【００１７】
また、本発明において、ディスオーダー領域（ｄｉｓｏｒｄｅｒ領域）とは、タンパク質中において三次元構造が欠如している（一定の三次元構造を取っていない）領域のことを意味する。
【発明の効果】
【００１８】
本発明によれば、一つの着目残基について、着目残基と多数の周辺のアミノ酸残基との相互作用を総合的に加味して、着目残基がディスオーダー領域に含まれるか否か予測するため、ポリペプチドのディスオーダー領域の予測結果の信頼性が向上する。
【発明を実施するための最良の形態】
【００１９】
以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。
【００２０】
＜生物学的情報処理装置の概要＞
図１は、実施の形態に係る生物学的情報処理装置１００の構成の概要を示した機能ブロックである。ここで、生物学的情報処理装置１００は、ポリペプチドのディスオーダー領域を予測するための装置である。なお、ディスオーダー領域（ｄｉｓｏｒｄｅｒ領域）とは、ポリペプチドの立体構造のうち、決まった構造をとらない領域を意味する。なお、本実施形態で、ポリペプチドは、タンパク質を含む物質であり、ディスオーダー領域は、ループ構造を含むものとする。
【００２１】
より具体的には、本実施の形態では、生物学的情報処理装置１００は、タンパク質の配列からなる入力値から、ディスオーダー領域（ｄｉｓｏｒｄｅｒ領域）を出力値として予測する装置である。この装置は、特に３０残基長以上の長いディスオーダー領域を予測することができる。ただし、短いディスオーダー領域の予測も勿論可能である。
【００２２】
生物学的情報処理装置１００には、予測対象のポリペプチドのアミノ酸配列データを取得する予測対象データ取得部１０８が設けられている。予測対象のポリペプチドのアミノ酸配列データは、任意の形式で取得することができ、例えば、１アミノ酸１文字の形式で取得してもよく、１アミノ酸３文字の形式で取得してもよい。また、他にも、遺伝子配列の形で受け付けることもできる。この場合、ユニバーサルコドン表を用いて遺伝子配列をアミノ酸配列に変換した上で取得することができる。
【００２３】
また、生物学的情報処理装置１００には、予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うウインドウレベル予測部１１０が設けられている。
【００２４】
このウインドウレベル予測部１１０は、所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較する。
【００２５】
そして、ウインドウレベル予測部１１０は、このような比較をすることにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求める。ウインドウレベル予測部１１０のさらに詳しい構成および機能については後述する。
【００２６】
さらに、生物学的情報処理装置１００には、ウインドウレベル予測部１１０の予測結果に基づいて、予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うアミノ酸残基レベル予測部１１２が設けられている。
【００２７】
このアミノ酸残基レベル予測部１１２は、アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、着目残基を含み残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求める。
【００２８】
そして、アミノ酸残基レベル予測部１１２は、このようにして求めた着目残基に関する分布特性データを、既知ウインドウ配列群から得られる分布特定データ群と比較する。アミノ酸残基レベル予測部１１２は、このような比較をすることにより、着目残基がディスオーダー領域に含まれるか否かを予測する。アミノ酸残基レベル予測部１１２のさらに詳しい構成および機能については後述する。
【００２９】
一方、生物学的情報処理装置１００には、ディスオーダー領域が既知であるポリペプチド由来の既知ウインドウ配列群データを取得する既知データ取得部１０２が設けられている。既知ウインドウ配列群データは、任意の形式で取得することができ、例えば、１アミノ酸１文字の形式で取得してもよく、１アミノ酸３文字の形式で取得してもよい。また、他にも、遺伝子配列の形で受け付けることもできる。この場合、ユニバーサルコドン表を用いて遺伝子配列をアミノ酸配列に変換した上で取得することができる。
【００３０】
また、生物学的情報処理装置１００には、既知ウインドウ配列群からウインドウレベルディスオーダー分類基準を生成するウインドウレベル学習部１０４が設けられている。
【００３１】
このウインドウレベル学習部１０４は、既知ウインドウ配列群に含まれる所定の残基ずれ数ずつずれた各々のウインドウ配列を学習することにより、上述した予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うためのウインドウ配列レベル分類基準を生成する。
【００３２】
そして、ウインドウレベル学習部１０４は、このウインドウ配列レベル分類基準を用いて、さらに各既知ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求める。ウインドウレベル学習部１０４のさらに詳しい構成および機能については後述する。
【００３３】
さらに、生物学的情報処理装置１００には、既知ウインドウ配列群由来のウインドウレベルディスオーダー指標値からアミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベル学習部１０６が設けられている。
【００３４】
このアミノ酸残基レベル学習部１０６は、既知ウインドウ配列群由来のアミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、着目残基を含み残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求める。
【００３５】
そして、アミノ酸残基レベル学習部１０６は、このようにして求めた着目残基に関する分布特性データを学習することにより、上述した予測対象のアミノ酸配列データに含まれるアミノ酸残基レベルでディスオーダー領域の予測を行うためのアミノ酸残基レベル分類基準を生成する。アミノ酸残基レベル学習部１０６のさらに詳しい構成および機能については後述する。
【００３６】
また、生物学的情報処理装置１００には、予測対象のアミノ酸配列データに含まれるディスオーダー領域を特定するディスオーダー領域決定部１１４が設けられている。
【００３７】
このディスオーダー領域決定部１１４は、アミノ酸残基レベル予測部１１２の予測結果に基づき、ディスオーダー領域に含まれると予測されるアミノ酸残基が所定の規則で配列されたアミノ酸配列からなる領域を、ディスオーダー領域として特定する。ディスオーダー領域決定部１１４のさらに詳しい構成および機能については後述する。
【００３８】
さらに、生物学的情報処理装置１００には、アミノ酸残基レベル予測部１１２の予測結果、またはディスオーダー領域決定部１１４の決定結果を出力するための出力部１１６が設けられている。
【００３９】
この出力部１１６は、生物学的情報処理装置１００の外部に対してこれらの結果を任意の形式で出力することができる。例えば、生物学的情報処理装置１００の外部に対してこれらの結果をオンラインまたはメディアに記録することにより出力してもよく、あるいはプリンタなどにより印刷することにより出力してもよく、ディスプレイなどにより画像として表示することにより出力してもよい。
【００４０】
図２および図３は、実施の形態に係る生物学的情報処理装置１００によるディスオーダー領域の予測方法の概要を示した概念図である。
【００４１】
１ｓｔステップは、ウインドウレベルの予測ステップである。このステップでは、ディスオーダー領域が未知のポリペプチドのアミノ酸配列（入力値）から、４０アミノ酸残基長のウインドウサイズからなるウインドウ配列が複数抽出される。そして、これらの複数のウインドウ配列は、互いに１残基長ずれつつ（スライディングさせつつ）隣接する複数のウインドウ配列が並列する未知のウインドウ配列群を構成する。このとき、隣接するウインドウ配列同士は、両末端のアミノ酸残基を除いて、アミノ酸配列が重複している。
【００４２】
次いで、これらの未知のウインドウ配列群に含まれる個々のウインドウ配列から、そのウインドウ配列のアミノ酸配列から得られる生物学的特徴量を含むウインドウディスオーダー特徴データとしての特徴量ベクトルを生成する。
【００４３】
この特徴量ベクトルは、アミノ酸配列のディスオーダー領域を形成する確率に関連すると想定される、荷電の大きさ、疎水性度、配列の複雑度、荷電クラスタ予測値、既知のオーダー領域とのアミノ酸組成の相関、既知のディスオーダー領域とのアミノ酸組成の相関、αへリックス予測値、βシート予測値、疎水性クラスタ予測値およびコンタクト数の１０種類の生物学的特徴量を含む１０次元のベクトルである。
【００４４】
さらに、この特徴量ベクトルから、ウインドウレベルディスオーダー指標値を求める。ウインドウレベルディスオーダー指標値は、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示す指標値である。ここでは、ウインドウレベルディスオーダー指標値を求めるのに、ウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）を用いる。
【００４５】
サポートベクトルマシンとは、線形しきい素子を用いて、２クラスのパターン識別器を構成するパターン認識の一手法である。特に、カーネルトリックと呼ばれる方法を用いて、非線形の識別関数を構成できるように拡張したサポートベクトルマシンは、現在知られている手法の中でも最も認識性能の優れた学習モデルの一つであると考えられている。
【００４６】
ここで、上述のウインドウレベルディスオーダー分類基準は、事前に既知のデータを用いて別途サポートベクトルマシンを用いて求められたものである。この場合、ディスオーダー領域が既知であるポリペプチドから、同様に４０アミノ酸残基長のウインドウサイズからなるウインドウ配列が複数抽出され、互いに１残基長ずれつつ隣接する複数のウインドウ配列が並列する既知ウインドウ配列群を構成する。
【００４７】
次いで、これらの既知ウインドウ配列群に含まれる個々のウインドウ配列から、上述の特徴量ベクトルを生成し、さらに、この特徴量ベクトルをサポートベクトルマシンに入力する。すると、サポートベクトルマシンにより、ディスオーダー領域と非ディスオーダー領域との特徴ベクトルを分けるように、ベクトル空間を２つに分離する分離面を得ることができる。この分離面がウインドウレベルディスオーダー分類基準となる。
【００４８】
本実施の形態では、「ディスオーダー領域」と「非ディスオーダー領域」という用語がペアで用いられる。このとき、「ディスオーダー領域」は、適当な分類を行うための所定の配列長さ以上のディスオーダー領域を意味する。「非ディスオーダー領域」は、ディスオーダー領域以外の領域であり、したがって、ここでは、上記所定の配列長さ未満の長さをもつディスオーダー領域も非ディスオーダー領域に含まれることになる。
【００４９】
こうして得られたウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に、上述の未知のウインドウ配列群由来の特徴量ベクトルを入力すると、そのウインドウ配列がディスオーダー領域に属する確率（信頼度）が０以上１以下の範囲で出力される。この確率（信頼度）をウインドウレベルディスオーダー指標とする。
【００５０】
なお、サポートベクトルマシンの出力値は、上述のように０以上１以下であり、確率として出力される。一般的には、この出力値が０．５以上または０．５未満のどちらであるかに基づいて、分類を判定する。しかし、本実施の形態では、この出力値を、そのまま、各々の未知のウインドウ配列のディスオーダー領域に属する確率（信頼度）を表すウインドウレベルディスオーダー指標値として使う。
【００５１】
次の２ｎｄステップは、アミノ酸レベルの予測ステップである。このステップでは、１つのアミノ酸残基に着目して以下の処理を行う。この着目されたアミノ酸残基を着目残基と記載する。
【００５２】
２ｎｄステップでは、まず、着目残基とウインドウレベルディスオーダー指標値との関連づけを行う。２ｎｄステップに進む時点で、既に１ｓｔステップにおいて、互いに１残基長ずれつつ隣接する複数のウインドウ配列の各々から、ウインドウレベルディスオーダー指標値が得られている。例えば、ウインドウ配列の残基数が４０であれば、１つの着目残基がウインドウ配列の右端に存在するときから左端に存在するときまで、あわせて４０本のウインドウ配列に含まれることになるため、４０のウインドウレベルディスオーダー指標値に関連づけられる。
【００５３】
本実施形態では、１つの着目残基に関連づけられたこれらのウインドウレベルディスオーダー指標値の特徴を把握することによって、その着目残基がディスオーダー領域に属するか、非ディスオーダー領域に属するかを見極めたい。すなわち、１つの着目残基がディスオーダー領域に属するか予測したい。
【００５４】
そこで、本実施形態では、２ｎｄステップにおいて、１つの着目残基に関連づけられた４０のウインドウレベルディスオーダー指標値の分布特性（信頼度の分布）を解析する。具体的には、４０のウインドウレベルディスオーダー指標値について、１０種類の数値範囲ごとの頻度分布（信頼度の分布）を集計して、その頻度分布をノーマライズ（正規化）する。そして、正規化された頻度分布がディスオーダー領域に属するか、非ディスオーダー領域に属するかを判定する。
【００５５】
このときも、アミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシンを用いる。アミノ酸残基レベルディスオーダー分類基準は、事前に既知のデータを使って別途サポートベクトルマシンを用いて求められる。この場合、既知のデータ群からも上述の頻度分布が同様に求められるため、それらの各頻度分布のベクトルデータが得られ、ベクトルデータ群がサポートベクトルマシンに入力される。その結果、ディスオーダー領域と非ディスオーダー領域とのデータを分けるように、頻度分布ベクトルの空間を２つに分離する分離面が得られ、この分離面がアミノ酸残基レベルディスオーダー分類基準となる。
【００５６】
こうして得られたアミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に、上述のディスオーダー領域が未知のアミノ酸配列の着目残基の頻度分布ベクトルを入力すると、その着目残基がディスオーダー領域に属する確率（信頼度）が０以上１以下の範囲で出力される。この確率（信頼度）をアミノ酸残基レベルディスオーダー指標とする。
【００５７】
このときも、サポートベクトルマシンの出力値は、上述のように０以上１以下であり、確率として出力される。ここでは、この出力値が０．５以上または０．５未満のどちらであるかに基づいて、着目残基がディスオーダー領域または非ディスオーダー領域のいずれに分類されるかを判定する。
【００５８】
そして、着目残基のディスオーダー領域への分類の結果が得られると、その分類結果を所定の規則に基づいて修正することにより、予測対象のアミノ酸配列のうちディスオーダー領域である領域を決定する。本実施形態では、ディスオーダー領域に属すると分類された着目残基の連続長が２１残基以上である場合には、それらの領域をディスオーダー領域と決定する。
【００５９】
なお、上述のサポートベクトルマシンを使うウインドウレベル予測（第1ステップ）およびアミノ酸レベル予測（第２ステップ）では、ディスオーダー領域の基準長を４０残基に設定していたのに対し、この最終決定ステップでは、ディスオーダー領域の基準長は２１残基に設定されている。しかし、両者の基準長が同じでもよいことはもちろんである。
【００６０】
上述の規則についてさらに説明すると、上記規則は、特に２０残基長を閾値とする規則に限定されず、他の任意の規則を用いることができる。例えば、３０残基長または４０残基長を閾値とする規則を用いても良い。または、所定の残基長の中に、１または２残基であれば非ディスオーダー領域に属すると分類される着目残基が存在していても、他の残基はすべてディスオーダー領域に属すると分類されていれば、その残基長すべてをディスオーダー領域と決定する規則としてもよい。
【００６１】
こうして得られた結果は、予測対象のアミノ酸配列のディスオーダー領域を示す予測結果として出力されることになる。なお、上述の説明では、第一ステップおよび第２ステップでは機械学習法であるサポートベクトルマシン（ＳＶＭ）で学習および予測を行うこととしたが、特に限定するわけではなく、他の学習および予測の方法も好適に使用しうる。
【００６２】
＜学習機能に関するより詳細な説明＞
図４は、実施の形態に係る生物学的情報処理装置１００のうちの学習機能構成を示しており、学習機能は、既知データ取得部１０２、ウインドウレベル学習部１０４、アミノ酸残基レベル学習部１０６を備えている。この学習機能は、本実施形態の生物学的処理装置１００のコンピュータと、そこで実行される２つのサポートベクトルマシンで構成され、実現される。
【００６３】
生物学的情報処理装置１００の既知データ取得部１０２には、既知ウインドウ配列群データ取得部２０２が設けられている。既知ウインドウ配列群データ取得部２０２は、一本のアミノ酸配列を受け取った場合に、入力されたポリペプチドのアミノ酸配列から所定のウインドウサイズのウインドウ配列を抽出する。そして、これらのウインドウ配列を所定の残基ずれ数ずつずらしながら互いに重複させて並べることにより、既知ウインドウ配列群を生成する。こうして取得された既知ウインドウ配列群は、既知ウインドウ配列群データ記憶部２０４に格納される。
【００６４】
生物学的情報処理装置１００のウインドウレベル学習部１０４には、ウインドウディスオーダー特徴データ抽出部２０６が設けられている。このウインドウディスオーダー特徴データ抽出部２０６は、既知ウインドウ配列群に含まれる個々のウインドウ配列のアミノ酸配列に基づいて、ウインドウディスオーダー特徴量を抽出して、個々のウインドウ配列に対応する特徴量ベクトルを生成する。こうして得られた特徴量ベクトルは、ウインドウディスオーダー特徴量記憶部２０８に格納される。
【００６５】
生物学的情報処理装置１００のウインドウレベル学習部１０４には、ウインドウレベルディスオーダー分類基準生成部２１０が設けられている。このウインドウレベルディスオーダー分類基準生成部２１０は、特徴量ベクトルをサポートベクトルマシン（ＳＶＭ）に入力し、特徴量ベクトルを分類するためのウインドウレベルディスオーダー分類基準を生成する。このとき、サポートベクトルマシンの分離面がウインドウレベルディスオーダー分類基準となる。こうして生成されたウインドウレベルディスオーダー分類基準は、ウインドウレベルディスオーダー分類基準記憶部２１２に格納される。
【００６６】
生物学的情報処理装置１００のウインドウレベル学習部１０４には、ウインドウレベルディスオーダー指標生成部２１４が設けられている。このウインドウレベルディスオーダー指標生成部２１４は、特徴量ベクトルを、上述のようにして生成されたウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に入力する。その結果、サポートベクトルマシンから、特徴量ベクトルがディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値が生成される。こうして生成されたウインドウレベルディスオーダー指標値は、ウインドウレベルディスオーダー指標値記憶部２１６に格納される。
【００６７】
生物学的情報処理装置１００のアミノ酸残基レベル学習部１０６には、頻度分布データ生成部２１８が設けられている。この頻度分布データ生成部２１８は、上述のようにして得られたウインドウレベルディスオーダー指標値を着目アミノ酸残基ごとに、そのアミノ酸残基を右端から左端までのいずれかの箇所に含むウインドウ配列のすべてについて集計して、所定の数値範囲ごとの出現頻度を求めて頻度分布データを生成する。こうして得られた頻度分布データは、頻度分布データ記憶部２２０に格納される。
【００６８】
生物学的情報処理装置１００のアミノ酸残基レベル学習部１０６には、アミノ酸残基レベルディスオーダー分類基準生成部２２２が設けられている。このアミノ酸残基レベルディスオーダー分類基準生成部２２２は、上述のようにして得られた頻度分布データをサポートベクトルマシン（ＳＶＭ）に入力し、頻度分布データをディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるようにアミノ酸残基レベルディスオーダー分類基準を生成する。このとき、サポートベクトルマシンの分離面がアミノ酸残基レベルディスオーダー分類基準となる。こうして生成されたアミノ酸残基レベルディスオーダー分類基準は、アミノ酸残基レベルディスオーダー分類基準記憶部２２４に格納される。
【００６９】
図５は、実施の形態に係る生物学的情報処理装置１００の学習に用いるトレーニングセットの概要を示した概念図である。一般に、サポートベクトルマシン（ＳＶＭ）をはじめとする教師つき機械学習には、トレーニングデータセットが必要である。
【００７０】
そこで、本実施の形態では、具体的には、正のデータ（長いｄｉｓｏｒｄｅｒ領域を含むタンパク質データセット）として、論文（Ｐｒｏｔｅｉｎｓ． ２０００ Ｎｏｖ １５；４１（３）：４１５−２７）から取得したデータと、データベース（Ｄａｔａｂａｓｅ ｏｆ Ｐｒｏｔｅｉｎ Ｄｉｓｏｒｄｅｒ ： ｈｔｔｐ：／／ｗｗｗ．ｄｉｓｐｒｏｔ．ｏｒｇ／）から取得したデータとを用いた。これらのデータソースから、ｎｏｎ−ｒｅｄｕｎｄａｎｔな形で４０残基以上のｄｉｓｏｒｄｅｒ領域を含むアミノ酸配列を選んだところ、１９９配列が得られた。
【００７１】
一方、負のデータとしては、（短いｄｉｓｏｒｄｅｒ領域を含む、もしくはｄｉｓｏｒｄｅｒ領域のないタンパク質データセット）としては、ＰＤＢのＸ線結晶解析データから作成した。すなわち、ｄｉｓｏｒｄｅｒ領域は、Ｘ線結晶解析で座標が決められていない残基と定義し、Ｘ線結晶解析データの決定されているタンパク質は、短いｄｉｓｏｒｄｅｒ領域を含む、もしくはｄｉｓｏｒｄｅｒ領域のないタンパク質であると想定して負のデータに分類した。
【００７２】
その結果、負のデータとしては、ｄｉｓｏｒｄｅｒ領域のないタンパク質データセット２１７配列、短いｄｉｓｏｒｄｅｒ領域（３０残基以下）を含むタンパク質データセット７５配列を得ることができた。以下、特に断り書きのない限り、これらの正および負のデータを含むトレーニングセットを用いて学習を行ったものとする。
【００７３】
なお、本実施形態では、所定長（本実施形態では３０残基）連続してディスオーダー領域に分類されるアミノ酸残基が続かないウインドウ配列は、非ディスオーダー領域からなるウインドウ配列として扱うが、学習サンプル選定の都合によるものであって、特に限定する趣旨ではない。
【００７４】
例えば、所定長（本実施形態では４０残基）以上連続してディスオーダー領域に分類されるアミノ酸残基が続かないウインドウ配列を、非ディスオーダー領域からなるウインドウ配列として用いてもよい。このとき、非ディスオーダー領域からなるウインドウ配列は、オーダー領域からなるウインドウ配列にくわえて、４０残基長未満の短いディスオーダー領域を含むウインドウ配列も含むことになる。
【００７５】
図６は、実施の形態に係る生物学的情報処理装置１００の第一ステップで抽出される特徴量の概要を示した概念図である。本実施形態では、既知ウインドウ配列群のアミノ酸配列から、以下の情報（生物学的特徴量）を抽出し、それぞれのアミノ酸配列を数値化して特徴ベクトルを生成した。
【００７６】
本手法では、具体的には、４０残基長のウインドウ配列から、アミノ酸配列のディスオーダー領域に属す確率に影響を与える１０種類の情報（生物学的特徴量）を抽出し、それらの１０種類の生物学的特徴量（記述子）を因子として含む、１０次元の特徴ベクトルを生成する。なお、それぞれの生物学的特徴量の求め方は、詳しくは後述する。
【００７７】
図７は、実施の形態に係る生物学的情報処理装置１００の備えるサポートベクトルマシンの概要を示した概念図である。本実施の形態では、パターン認識における機械学習法の一種であるサポートベクトルマシン（ＳＶＭ）を用い、２クラスのパターン識別を行っている。このサポートベクトルマシンは、ウインドウレベルでも用いられ、アミノ酸残基レベルでも用いられる。
【００７８】
この際、図７（ａ）のように、入力空間では平面によりうまく２クラスに分離することが困難である場合には、図７（ｂ）のように、Ｎ個の学習サンプルを特徴空間に写像し、サンプルが２クラスにうまく分離できるように超平面を設定すればよい。なお、入力空間の平面または特徴空間の超平面を設定する際には、図７（ｃ）に示すように、マージンが最大化するように設定することが好ましい。
【００７９】
本実施形態では、サポートベクトルマシンは、各種分類基準を生成する際に用いられ、さらには、既に存在している分類基準を分離面として有するサポートベクトルマシンに各種ベクトルをあてはめて、未知データのウインドウレベルディスオーダー指標値を求めるため、また、未知データの頻度分布ベクトルをディスオーダー領域または非ディスオーダー領域に分類するためにも用いられる。この場合、ウインドウレベルディスオーダー指標値は、分離面とベクトルデータとの位置関係に基づいて、求められる。より具体的には、ウインドウレベルディスオーダー指標値は、分離面とベクトルデータとの距離に関連する値として求められる。
【００８０】
図８は、実施の形態に係る生物学的情報処理装置１００の学習の流れについて説明するためのフローチャートである。本実施の形態では、まず、既知ウインドウ配列群データ取得部２０２により、既知ウインドウ配列群データを取得する（Ｓ１０２）。次いで、ウインドウディスオーダー特徴データ抽出部２０６により、アミノ酸配列を数値化して特徴量ベクトルを生成する（Ｓ１０４）。
【００８１】
そして、ウインドウレベルディスオーダー分類基準生成部２１０において、上述の特徴量ベクトルをサポートベクトルマシンに入力し、第一ステップの機械学習をウインドウレベルで行い、ウインドウレベルディスオーダー分類基準およびウインドウレベルディスオーダー指標値を生成する（Ｓ１０６）。
【００８２】
さらに、アミノ酸残基レベルディスオーダー分類基準生成部２２２において、頻度分布データ生成部２１８によりウインドウレベルディスオーダー指標値から生成された頻度分布データをサポートベクトルマシに入力して、第二ステップの機械学習をアミノ酸レベルで行って、アミノ酸残基レベルディスオーダー分類基準を生成する（Ｓ１０８）。
【００８３】
＜予測機能に関するより詳細な説明＞
図９は、実施の形態に係る生物学的情報処理装置１００のうちの予測機能を示しており、予測機能は、予測対象データ取得部１０８、ウインドウレベル予測部１１０、アミノ酸残基レベル予測部１１２を備える。この予測機能は、上述の学習機能と同様、本実施の形態の生物学的情報処理装置１００のコンピュータと、そこで実行される２つのサポートベクトルマシンのプログラムで構成され、実現される。
【００８４】
生物学的情報処理装置１００の予測対象データ取得部１０８には、予測対象データ取得部３０２が設けられている。予測対象データ取得部３０２は、一本のアミノ酸配列を受け取った場合に、入力されたポリペプチドのアミノ酸配列から所定のウインドウサイズのウインドウ配列を抽出し、所定の残基ずれ数ずつずらしながら互いに重複させて並べることにより、予測対象ウインドウ配列群を生成する。こうして取得された予測対象ウインドウ配列群は、予測対象データ記憶部３０４に格納される。
【００８５】
生物学的情報処理装置１００のウインドウレベル予測部１１０には、ウインドウディスオーダー特徴データ抽出部３０６が設けられている。このウインドウディスオーダー特徴データ抽出部３０６は、予測対象のウインドウ配列群に含まれる個々のウインドウ配列のアミノ酸配列に基づいて、ウインドウディスオーダー特徴量を抽出して、個々のウインドウ配列に対応する特徴量ベクトルを生成する。こうして得られた特徴量ベクトルは、ウインドウディスオーダー特徴量記憶部３０８に格納される。
【００８６】
生物学的情報処理装置１００のウインドウレベル予測部１１０には、ウインドウレベルディスオーダー分類基準記憶部３１０が設けられている。このウインドウレベルディスオーダー分類基準記憶部３１０は、ウインドウレベルディスオーダー分類基準記憶部２１２と同じであり、ウインドウレベルディスオーダー分類基準生成部２１０により生成されたウインドウレベルディスオーダー分類基準を記憶している。
【００８７】
生物学的情報処理装置１００のウインドウレベル予測部１１０には、ウインドウレベルディスオーダー指標生成部３１２が設けられている。このウインドウレベルディスオーダー指標生成部３１２は、複数の特徴量ベクトルを、ウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に入力する。その結果、サポートベクトルマシンから、特徴量ベクトルがディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値が生成される。こうして生成されたウインドウレベルディスオーダー指標値は、ウインドウレベルディスオーダー指標値記憶部３１４に格納される。
【００８８】
生物学的情報処理装置１００のアミノ酸残基レベル予測部１１２には、頻度分布データ生成部３１６が設けられている。この頻度分布データ生成部３１６は、上述のようにして得られたウインドウレベルディスオーダー指標値を着目アミノ酸残基ごとに、そのアミノ酸残基を右端から左端までのいずれかの箇所に含むウインドウ配列のすべてについて集計して、所定の数値範囲ごとの出現頻度を求めて頻度分布データを生成する。こうして得られた頻度分布データは、頻度分布データ記憶部３１８に格納される。
【００８９】
生物学的情報処理装置１００のアミノ酸残基レベル予測部１１２には、アミノ酸残基レベルディスオーダー分類基準記憶部３２０が設けられている。このアミノ酸残基レベルディスオーダー分類基準記憶部３２０は、アミノ酸残基レベルディスオーダー分類基準記憶部２２４と同じであり、アミノ酸残基レベルディスオーダー分類基準生成部２２２により生成されたアミノ酸残基レベルディスオーダー分類基準を記憶している。
【００９０】
生物学的情報処理装置１００のアミノ酸残基レベル予測部１１２には、アミノ酸残基レベルディスオーダー該当性判定部３２２が設けられている。このアミノ酸残基レベルディスオーダー該当性判定部３２２は、個々の着目アミノ酸残基に関連付けられている頻度分布データを、アミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に入力して頻度分布データを分類することにより、個々の着目アミノ酸残基をディスオーダー領域に該当するか否か判定する。こうして得られた判定結果は、アミノ酸残基レベルディスオーダー該当性判定結果記憶部３２４に格納される。
【００９１】
図１０は、実施の形態に係る生物学的情報処理装置１００の予測方法の概要を示した概念図である。この図に示すように、上述のウインドウレベル予測部１１０では、まず、入力値（アミノ酸配列）に対して、第一ステップのウインドウレベルの予測が行われる。
【００９２】
具体的には、ディスオーダー領域が未知のポリペプチドのアミノ酸配列から、４０アミノ酸残基長のウインドウサイズからなるウインドウ配列が複数抽出される。そして、これらの複数のウインドウ配列は、互いに１残基長ずれつつ隣接する複数のウインドウ配列が並列する未知ウインドウ配列群を構成する。このとき、隣接するウインドウ配列同士は、両末端のアミノ酸残基を除いて、アミノ酸配列が重複している。
【００９３】
次いで、これらの未知のウインドウ配列群に含まれる個々のウインドウ配列から、そのウインドウ配列のアミノ酸配列から得られる生物学的特徴量を含むウインドウディスオーダー特徴データとしての特徴量ベクトルを生成する。
【００９４】
さらに、あらかじめ既知ウインドウ配列データから生成されたウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に、上述の未知のウインドウ配列群由来の特徴量ベクトルを入力する。その結果、そのウインドウ配列がディスオーダー領域に属する確率（予測の信頼度）が、サポートベクトルマシンから０以上１以下の範囲で出力される。この確率（予測の信頼度）をウインドウレベルディスオーダー指標とする。
【００９５】
次に、第一ステップが終わると、この図に示すように第二ステップのアミノ酸レベルの予測が行われる。このステップでは、１つのアミノ酸残基に着目して以下の処理を行う。この着目されたアミノ酸残基を着目残基と記載する。
【００９６】
第二ステップでは、まず、着目残基とウインドウレベルディスオーダー指標値との関連づけを行う。第二ステップに進む時点で、既に第一ステップにおいて、互いに１残基長ずれつつ隣接する複数のウインドウ配列の各々から、ウインドウレベルディスオーダー指標値が得られている。本実施形態では、４０本のウインドウ配列が並んでいるため、１つの着目残基がウインドウ配列の右端に存在するときから左端に存在するときまで、あわせて４０本のウインドウ配列に含まれることになるため、４０のウインドウレベルディスオーダー指標値に関連づけられる。すなわち、１残基からの視点で考えると、４０個の信頼度が並んでいるので、これら４０個の信頼度を集計して、１残基ごとに信頼度の分布を調べることになる。
【００９７】
そして、１つの着目残基に関連づけられた４０のウインドウレベルディスオーダー指標値のプロファイル（分布特性）を解析する。具体的には、合計４０データのウインドウレベルディスオーダー指標値について、１０種類の数値範囲ごとのプロファイルを集計して、その頻度分布をノーマライズ（標準化）する。これらの頻度分布は、０〜１の範囲の値になるようにノーマライズされる。具体的には、合計４０データのプロファイルをとると、出現頻度の最大値は１３なので、最大値が１になるように１３で除して標準化する。そして、標準化された頻度分布がディスオーダー領域に属するか、非ディスオーダー領域に属するかを判定する。
【００９８】
すなわち、これらの標準化された出現頻度のプロファイルを、上述のようにして既に生成されているアミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシン（ＳＶＭ）に入力し、各アミノ酸残基がディスオーダー領域に含まれるか否かを判定する。こうして得られた各アミノ酸残基についての判定結果は、ディスオーダー領域決定部１１４に送られる。
【００９９】
図１１は、実施の形態に係る生物学的情報処理装置１００のうち、ディスオーダー領域決定部１１４を示した概念図である。ディスオーダー領域決定部１１４には、アミノ酸残基レベル予測結果取得部４０２が設けられている。このアミノ酸残基レベル予測結果取得部４０２は、アミン酸残基レベルディスオーダー該当性判定部３２２により生成された、個々のアミノ酸残基のディスオーダー領域への属否に関するデータを取得する。
【０１００】
ディスオーダー領域決定部１１４には、所定規則処理部４０６が設けられている。この所定規則処理部４０６は、個々のアミノ酸残基のディスオーダー領域への属否に関するデータを、所定規則記憶部４０４に格納されている所定の規則に照らし合わせ、所定の規則を満たす領域をディスオーダー領域と判定し、所定の規則を満たさない領域を非ディスオーダー領域（オーダー領域）と判定する。こうして得られた判定結果は、ディスオーダー領域決定結果記憶部４０８に格納される。
【０１０１】
このとき、所定の規則については、任意に定めることができるが、例えば、ディスオーダー領域に属すると分類された着目残基の連続長が２１残基以上である場合には、それらの領域をディスオーダー領域と決定する規則を用いる。一方、ディスオーダー領域に属すると分類された着目残基の連続長が２０残基以下である場合には、それらの領域をディスオーダー領域ではないと決定する規則を用いる。
【０１０２】
図１２は、実施の形態に係る生物学的情報処理装置１００の予測の流れについて説明するためのフローチャートである。本実施の形態では、まず、予測対象データ取得部３０２により、予測対象のウインドウ配列群データを取得する（Ｓ２０２）。次いで、ウインドウディスオーダー特徴データ抽出部３０６により、アミノ酸配列を数値化して特徴量ベクトルを生成する（Ｓ２０４）。
【０１０３】
そして、ウインドウレベルディスオーダー指標値生成部３１２において、上述の特徴量ベクトルを、ウインドウレベルディスオーダー分類基準を分離面として有するサポートベクトルマシンに入力して、第一ステップの予測を行って、ウインドウレベルディスオーダー指標値を生成する（Ｓ２０６）。
【０１０４】
次いで、頻度分布データ生成部３１６により、ウインドウレベルディスオーダー指標値から個々のアミノ酸残基に関連するウインドウレベルディスオーダー指標値の頻度分布データを生成する。そして、アミノ酸残基レベルディスオーダー該当性判定部３２２において、上述の頻度分布データを、アミノ酸残基レベルディスオーダー分類基準を分離面として有するサポートベクトルマシンに入力して、第二ステップの予測をアミノ酸レベルで行って、アミノ酸残基レベルディスオーダー該当性判定結果を生成する（Ｓ２０８）。
【０１０５】
そして、ディスオーダー領域決定部１１４により、アミノ酸残基レベルディスオーダー該当性判定結果を所定の規則にあてはめて、ディスオーダー領域決定結果を得る（Ｓ２１０）。こうして得られたディスオーダー領域決定結果は、出力部１１６により外部に出力される（２１２）。
【０１０６】
＜生物学的特徴量の求め方＞
上述のウインドウディスオーダー特徴データ抽出部２０６、３０６で、ウインドウ配列データ群から求められる生物学的特徴量については、図６により概要を説明したが、さらに詳しく以下説明する。
【０１０７】
図１３は、特徴量（荷電の大きさ、疎水性度）の導出方法について説明するための概念図である。特徴量の一種である「荷電の大きさ」とは、アミノ酸配列中の電荷の大きさの平均値を示す指標である。このとき、「荷電の大きさ」の計算方法は、｜配列中の電荷の総和｜／（配列の長さ）の計算式で表される。また、配列中の電荷は、
Ａｒｇ，Ｌｙｓ→＋１
Ａｓｐ，Ｇｌｕ→−１
その他→０
として計算する（図２４の各記述子が取り得る値の範囲参照）。この「荷電の大きさ」の値が大きいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１０８】
一方、特徴量の一種である「疎水性度」とは、アミノ酸配列中の疎水性指標の平均値を示す指標である。このとき、「疎水性度」の計算方法は、｜配列中の疎水性指標の総和｜／（配列の長さ）の計算式で表される。なお、疎水性指標は、Ｋｙｔｅ−Ｄｏｏｌｉｔｔｌｅの指標（図２２の疎水性インデックス参照）をスケーリング（図２４の各記述子が取り得る値の範囲参照）した数値から算出する。この「疎水性度」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１０９】
図１４は、特徴量（配列の複雑度）の導出方法について説明するための概念図である。特徴量の一種である「配列の複雑度」とは、記号エントロピーに基づくアミノ酸配列の複雑度を示す指標である。このとき、「配列の複雑度」は、（１）ＳＥＧ（ｈｔｔｐ：／／ｗｗｗ．ｂｉｏｌｏｇｙ．ｗｕｓｔｌ．ｅｄｕ／ｇｃｇ／ｓｅｇ．ｈｔｍｌ）を利用してＳＥＧ指標を求め、（２）ＳＥＧ指標を最大値が１になるようにスケーリング（図２４の各記述子が取り得る値の範囲参照）して求める。なお、ＳＥＧによれば、定性的には、以下のような指標が与えられる。
ＡＡＡＡＡ→複雑度が低い
ＡＣＤＥＦ→複雑度が高い（なお、Ａ、Ｃ、Ｄ、Ｅ、Ｆは、アミノ酸残基の例示である）
この「配列の複雑度」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１０】
図１５は、特徴量（荷電クラスタ）の導出方法について説明するための概念図である。特徴量の一種である「荷電クラスタ」とは、アミノ酸配列中に同じ電荷を持ったアミノ酸が密集している領域が存在するかを示す指標である。このとき、「荷電クラスタ」は、（１）配列を以下の３状態に変換し、
Ｌｙｓ，Ａｒｇ→＋１
Ａｓｐ，Ｇｌｕ→−１
その他→０
（２）１２残基のｗｉｎｄｏｗ内での合計の絶対値を求め、（３）１２残基のｗｉｎｄｏｗをスライドさせ、配列内での最大値を求め、（４）最大値が１になるようにスケーリング（図２４の各記述子が取り得る値の範囲参照）して求める。この「荷電クラスタ」の値が大きいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１１】
図１６は、特徴量（アミノ酸組成１）の導出方法について説明するための概念図である。特徴量の一種である「アミノ酸組成１」とは、ｏｒｄｅｒ領域でのアミノ酸出現頻度との相関を示す指標である。このとき、「アミノ酸組成１」は、（１）アミノ酸配列内でのアミノ酸出現頻度を、以下の式でもとめ、
Ｆｒｅｑ（ｉ）＝ｎ（ｉ）／Ｎ×１００×１／ｆｒｑ＿ｓｔａｎｄ（ｉ）
ｎ（ｉ）：配列内でのアミノ酸ｉの出現個数
Ｎ：配列内でのアミノ酸の個数
ｆｒｑ＿ｓｔａｎｄ：全タンパク質中でのアミノ酸ｉの出現頻度（ＳＷＩＳＳ−ＰＲＯＴ ｒｅｌｅａｓｅ ４７．０のデータを使用）
（２）負のデータから算出したｏｒｄｅｒ領域の出現頻度（図２２のｏｒｄｅｒ領域でのアミノ酸出現頻度インデックス参照）と上記のアミノ酸出現頻度との相関係数（図２４の各記述子が取り得る値の範囲参照）として求める。この「アミノ酸組成１」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１２】
図１７は、特徴量（アミノ酸組成２）の導出方法について説明するための概念図である。特徴量の一種である「アミノ酸組成２」とは、ｄｉｓｏｒｄｅｒ領域でのアミノ酸出現頻度との相関を示す指標である。このとき、「アミノ酸組成２」は、（１）配列内でのアミノ酸出現頻度をもとめ（アミノ酸組成１と同じ）、（２）正のデータから算出したｄｉｓｏｒｄｅｒ領域の出現頻度（図２２のｉｓｏｒｄｅｒ領域でのアミノ酸出現頻度インデックス参照）と上記のアミノ酸出現頻度との相関係数（図２４の各記述子が取り得る値の範囲参照）として求める。この「アミノ酸組成２」の値が大きいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１３】
図１８は、特徴量（αへリックス予測）の導出方法について説明するための概念図である。特徴量の一種である「αへリックス予測」とは、配列中にαへリックス構造のコアになりそうな領域が存在しているかを示す指標である。このとき、「αへリックス予測」は、（１）配列をαへリックスインデックス（図２３のαへリックス形成のしやすさインデックス）で数値化し、（２）６残基のウインドウをとり、以下の条件
スコアが１．１５以上のアミノ酸が４個以上ある
スコアが０．８より小さいアミノ酸がない
をみたす領域を探索することにより求める（図２４の各記述子が取り得る値の範囲参照）。αへリックスと予測される領域がないアミノ酸配列は、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１４】
図１９は、特徴量（βシート予測）の導出方法について説明するための概念図である。特徴量の一種である「βシート予測」とは、配列中にβシート構造のコアになりそうな領域が存在しているかを示す指標である。このとき、「βシート予測」は、（１）配列をβシートインデックス（図２３のβシート形成のしやすさインデックス）で数値化し、（２）５残基のウインドウをとり、以下の条件
スコアが１．２０以上のアミノ酸が３個以上ある
スコアが０．８より小さいアミノ酸がない
をみたす領域を探索することにより求める（図２４の各記述子が取り得る値の範囲参照）。βシートと予測される領域がないアミノ酸配列は、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１５】
図２０は、特徴量（疎水性クラスタ）の導出方法について説明するための概念図である。特徴量の一種である「疎水性クラスタ」とは、配列中に疎水性のアミノ酸残基が密集している領域が存在するかを示す指標である。このとき、「疎水性クラスタ」は、（１）配列を以下の３状態に変換し、
Ｐｈｅ，Ｉｌｅ，Ｌｅｕ，Ｍｅｔ，Ｖａｌ，Ｔｒｐ，Ｔｙｒ→＋１
Ｐｒｏ→＋２
その他→０
（２）配列内の合計値（ｈｙｄｒｏｐｈｏｂｉｃ＿ｖａｌｕｅ）の最大値を、Ｎ末端方向から、数値の総和をとる（ただし、“００００”もしくは“＋２”が現れたときは、ｈｙｄｒｏｐｈｏｂｉｃ＿ｖａｌｕｅは０に戻る）ことにより求め、
（３）最大値が１になるようにスケーリング（図２４の各記述子が取り得る値の範囲参照）することにより求める。この「疎水性クラスタ」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１６】
図２１は、特徴量（コンタクト数）の導出方法について説明するための概念図である。特徴量の一種である「コンタクト数」とは、コンタクト数の総和を示す指標である。このとき、「コンタクト数」は、（１）配列中のコンタクト数の総和／配列の長さを、コンタクト数の指標（図２３のコンタクト数インデックス参照）から算出し、（２）最大値が１になるようにスケーリング（図２４の各記述子が取り得る値の範囲参照）することにより求める。この「コンタクト数」の値が小さいアミノ酸配列ほど、ディスオーダー領域に属する確率が大きくなる傾向がある。
【０１１７】
以下、本実施形態に係る生物学的情報処理装置１００の作用効果について説明する。
【０１１８】
生物学的情報処理装置１００の構成によれば、着目した１アミノ酸残基（着目残基）を含み、複数の互いに重複しており所定残基数ずつずれている複数のウインドウ配列からなるウインドウ配列群から得られるウインドウレベルディスオーダー指標値の分布特性データに基づいて、着目残基がディスオーダー領域に含まれるか否かを予測することができる。
【０１１９】
このため、一つの着目残基について、着目残基がウインドウ配列の中心に位置する場合だけでなく、着目残基がウインドウ配列の中心以外に位置する場合についても加味して多数の周辺のアミノ酸残基との相互作用なども総合的に加味して、着目残基がディスオーダー領域に含まれるか否か予測することとなり、ポリペプチドのディスオーダー領域の予測結果の信頼性が向上する。
【０１２０】
ここで、生物学的情報処理装置１００は、アミノ酸残基レベル予測部１１２の予測結果に基づき、ディスオーダー領域に含まれると予測されるアミノ酸残基が所定の規則で配列されたアミノ酸配列からなる領域をディスオーダー領域として特定するディスオーダー領域決定部１１４をさらに備えてもよい。この構成によれば、個々のアミノ酸残基の予測結果に基づいて、ディスオーダー領域を特定することができる。
【０１２１】
また、生物学的情報処理装置１００は、各ウインドウ配列から、ディスオーダー領域を特徴づけるウインドウディスオーダー特徴データを抽出するウインドウディスオーダー特徴データ抽出部２０６と、既知ウインドウ配列群の各々から得られるウインドウディスオーダー特徴データから生成され、ディスオーダー領域と非ディスオーダー領域のウインドウディスオーダー特徴データを分類するウインドウレベルディスオーダー分類基準を記憶するウインドウレベルディスオーダー分類基準記憶部２１２と、を含んでもよい。
【０１２２】
この構成によれば、既知ウインドウ配列群の各々から得られるウインドウディスオーダー特徴データに基づいて生成された、ウインドウレベルディスオーダー分類基準を記憶している。したがって、予測対象のアミノ酸配列データ由来のウインドウ配列から、このウインドウレベルディスオーダー分類基準に基づいて、ウインドウレベルディスオーダー指標値を好適に導き出すことができる。
【０１２３】
また、生物学的情報処理装置１００は、既知ウインドウ配列群からウインドウレベルディスオーダー分類基準を生成するウインドウレベル学習部１０４を含み、ウインドウレベル学習部１０４は、既知ウインドウ配列群の各配列から、ウインドウディスオーダー特徴データを抽出する既知ウインドウディスオーダー特徴データ抽出部２０６と、抽出された既知ウインドウ配列群のウインドウディスオーダー特徴データをディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるようにウインドウレベルディスオーダー分類基準を生成するウインドウレベルディスオーダー分類基準生成部２１０と、を備えてもよい。
【０１２４】
この構成によれば、生物学的情報処理装置１００が、ディスオーダー該当性が既知である既知ウインドウ配列群に基づいて、ウインドウレベルディスオーダー分類基準を生成し、生成したウインドウレベルディスオーダー分類基準を用いて、ディスオーダー領域の予測を好適に行える。
【０１２５】
また、生物学的情報処理装置１００では、上述のウインドウディスオーダー特徴データは、ディスオーダー領域を特徴づける生物学的特徴量で構成されるベクトルデータであってもよく、上述のウインドウレベルディスオーダー分類基準は、ベクトルデータの配置されている空間に設けられる分離面を規定してもよい。
【０１２６】
この構成によれば、ウインドウディスオーダー領域特徴データをベクトル形式とし、ディスオーダー領域と非ディスオーダー領域との分類基準としてベクトル空間の面を導入する。ベクトル形式を用いることにより、ウインドウディスオーダー領域特徴データを複数のパラメータによって好適に表現でき、そして、このような特徴データをベクトル空間の面を用いて好適に評価してウインドウレベルディスオーダー指標値を得られる。
【０１２７】
また、生物学的情報処理装置１００では、上述の生物学的特徴量は、荷電の大きさ、疎水性度、配列の複雑度、荷電クラスタ予測値、既知のオーダー領域とのアミノ酸組成の相関、既知のディスオーダー領域とにアミノ酸組成の相関、αへリックス予測値、βシート予測値、疎水性クラスタ予測値およびコンタクト数からなる群から選ばれる１以上の特徴量を含んでもよい。
【０１２８】
この構成によれば、これらのタンパク質のディスオーダー領域の形成に影響を与える生物学的特徴量を考慮に入れてディスオーダー領域の予測を行うこととなるため、予測の信頼性が向上する。
【０１２９】
また、生物学的情報処理装置１００では、上述のウインドウレベルディスオーダー指標値は、分離面とベクトルデータとの位置関係に基づいて、求められてもよい。
【０１３０】
この構成によれば、空間内でベクトルデータを分離する分離面を基準にすることにより、ディスオーダー領域への該当の可能性の大きさを適切に表現したウインドウレベルディスオーダー指標値を得ることができる。
【０１３１】
また、生物学的情報処理装置１００では、上述のウインドウレベル予測部および上述のウインドウレベル学習部１０４は、サポートベクトルマシンを含み、ウインドウレベルディスオーダー分類基準はサポートベクトルマシンの分離面であってもよく、ウインドウレベルディスオーダー指標値は、ウインドウディスオーダー特徴データをサポートベクトルマシンに入力することによって、サポートベクトルマシンから出力される分類確率パラメータとして求められてもよい。
【０１３２】
この構成によれば、ウインドウディスオーダー特徴データから、サポートベクトルマシンを用いて、適切なウインドウレベルディスオーダー分類基準を導き出すことができる。
【０１３３】
また、生物学的情報処理装置１００では、上述のアミノ酸残基レベル予測部１１２は、着目残基の分布特性データとして、着目残基を含む複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の頻度分布データを生成する頻度分布データ生成部３１６と、既知ウインドウ配列群から得られる頻度分布データ群から生成され、ディスオーダー領域と非ディスオーダー領域の頻度分布データを分類するアミノ酸残基レベルディスオーダー分類基準を記憶するアミノ酸残基レベルディスオーダー分類基準記憶部３２０と、を含んでもよい。
【０１３４】
この構成によれば、着目残基の分布特性データとして、着目残基を含む複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の頻度分布データを用い、この頻度分布データに基づいて生成されたアミノ酸残基レベルディスオーダー分類基準を用いる。したがって、着目残基と多数の周辺のアミノ酸残基との相互作用なども総合的に加味して着目残基がディスオーダー領域に含まれるか否か予測することとなり、予測結果の信頼性が向上する。
【０１３５】
また、生物学的情報処理装置１００は、既知ウインドウ配列群からアミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベル学習部１０６を含み、アミノ酸残基レベル学習部１０６は、既知ウインドウ配列群を構成するアミノ酸残基群にそれぞれ対応する頻度分布データ群を生成する既知アミノ酸残基頻度分布データ生成部２１８と、既知ウインドウ配列群から生成された頻度分布データ群を、ディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるように、アミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベルディスオーダー分類基準生成部２２２と、を備えてもよい。
【０１３６】
この構成によれば、生物学的情報処理装置１００が、ディスオーダー該当性が既知である既知ウインドウ配列群に基づいて、アミノ酸残基レベルディスオーダー分類基準を生成し、生成したアミノ酸残基レベルディスオーダー分類基準を用いてディスオーダー領域の予測を好適に行える。
【０１３７】
また、生物学的情報処理装置１００では、上述の頻度分布データは、複数の所定数値範囲ごとのウインドウレベルディスオーダー指標値の出現頻度で構成されるベクトルデータであり、アミノ酸残基レベルディスオーダー分類基準は、ベクトルデータの配置されている空間に設けられる分離面を規定してもよい。
【０１３８】
この構成によれば、ウインドウディスオーダー指標値の頻度分布データをベクトル形式とし、ディスオーダー領域と非ディスオーダー領域との分類基準としてベクトル空間の面を導入する。ベクトル形式を用いることにより頻度分布特性を適切に表現でき、そして、このような頻度分布データをベクトル空間の面を用いて好適に評価してディスオーダー領域の予測を行える。
【０１３９】
また、生物学的情報処理装置１００では、上述のアミノ酸残基レベル予測部１１２および上述のアミノ酸残基レベル学習部１０６は、サポートベクトルマシンを含み、アミノ酸残基レベルディスオーダー分類基準はサポートベクトルマシンの分離面であってもよく、ディスオーダー領域への着目残基の該当の有無は、頻度分布データをサポートベクトルマシンに入力することによって、サポートベクトルマシンから出力される分類確率パラメータとして求めてもよい。
【０１４０】
この構成によれば、頻度分布データから、サポートベクトルマシンを用いて、ディスオーダー領域への着目残基の該当の有無を予測することができる。
【０１４１】
また、生物学的情報処理装置１００では、上述のウインドウサイズは、好適には３０残基以上であり、上記残基ずれ数は、好適には１残基以上である。
【０１４２】
この構成によれば、非特許文献１および非特許文献２に記載の従来技術では用いられない３０残基以上の長さのウインドウサイズを用いて、このウインドウサイズからなるウインドウ配列を１塩基以上ずつずらして互いに重複して並べて得られるウインドウ配列群を用いるため、着目残基について、周辺の３０残基について総合的なプロファイル（出現頻度の分布特性）を作成することができ、そのプロファイルを用いる予測の信頼性を向上することができる。
【０１４３】
以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。
【０１４４】
例えば、上記実施の形態ではサポートベクトルマシンにより各種分類基準を生成し、また各種分類基準へのあてはめを行ったが、サポートベクトルマシン以外の学習機械を用いてもよい。このようにしても、適切な学習機械を選定すれば、充分に好適な分類結果が得られるという利点が得られる。
【０１４５】
また、本発明の生物学的情報処理装置は、単独のコンピュータで実現されてもよく、分散配置された複数のコンピュータで実現されてもよい。生物学的情報処理装置は、ネットワークに接続されてもよい。例えば、インターネット経由で、ディスオーダー領域が未知のアミノ酸配列が取得され、本発明の予測処理が行われ、予測結果がインターネット経由で出力され、返されてもよい。
【産業上の利用可能性】
【０１４６】
以上のように、本発明にかかる生物学的情報処理装置は、ポリペプチドのディスオーダー領域の予測結果の信頼性が向上するという効果を有し、ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置、生物学的情報処理方法および生物学的情報処理プログラムとして有用である。
【０１４７】
なお、これらの中でも、実験サポート（Ｘ線結晶解析支援、構造決定のさまたげになる領域の削除の指針提供）、タンパク質の機能推定、ドメイン予測、立体構造予測などへの利用等が可能な装置として特に有用である。
【図面の簡単な説明】
【０１４８】
【図１】実施の形態に係る生物学的情報処理装置１００の構成の概要を示した機能ブロック図である。
【図２】実施の形態に係る生物学的情報処理装置１００によるディスオーダー領域の予測方法の概要を示した概念図である。
【図３】実施の形態に係る生物学的情報処理装置１００によるディスオーダー領域の予測方法の概要を示した概念図である。
【図４】実施の形態に係る生物学的情報処理装置１００のうち、既知データ取得部１０２、ウインドウレベル学習部１０４、アミノ酸残基レベル学習部１０６を示した機能ブロック図である。
【図５】実施の形態に係る生物学的情報処理装置１００の学習に用いるトレーニングセットの概要を示した概念図である。
【図６】実施の形態に係る生物学的情報処理装置１００の第一ステップで抽出される特徴量の概要を示した概念図である。
【図７】実施の形態に係る生物学的情報処理装置１００の備えるサポートベクトルマシンの概要を示した概念図である。
【図８】実施の形態に係る生物学的情報処理装置１００の学習の流れについて説明するためのフローチャートである。
【図９】実施の形態に係る生物学的情報処理装置１００のうち、予測対象データ取得部１０８、ウインドウレベル予測部１１０、アミノ酸残基レベル予測部１１２を示した機能ブロック図である。
【図１０】実施の形態に係る生物学的情報処理装置１００の予測方法の概要を示した概念図である。
【図１１】実施の形態に係る生物学的情報処理装置１００のうち、ディスオーダー領域決定部１１４を示した概念図である。
【図１２】実施の形態に係る生物学的情報処理装置１００の予測の流れについて説明するためのフローチャートである。
【図１３】特徴量（荷電の大きさ、疎水性度）の導出方法について説明するための概念図である。
【図１４】特徴量（配列の複雑度）の導出方法について説明するための概念図である。
【図１５】特徴量（荷電クラスタ）の導出方法について説明するための概念図である。
【図１６】特徴量（アミノ酸組成１）の導出方法について説明するための概念図である。
【図１７】特徴量（アミノ酸組成２）の導出方法について説明するための概念図である。
【図１８】特徴量（αへリックス予測）の導出方法について説明するための概念図である。
【図１９】特徴量（βシート予測）の導出方法について説明するための概念図である。
【図２０】特徴量（疎水性クラスタ）の導出方法について説明するための概念図である。
【図２１】特徴量（コンタクト数）の導出方法について説明するための概念図である。
【図２２】特徴量の導出に用いられるアミノ酸インデックス（疎水性インデックス、オーダー領域のアミノ酸出現頻度、ディスオーダー領域のアミノ酸出現頻度）について説明するための概念図である。
【図２３】特徴量の導出に用いられるアミノ酸インデックス（αへリックス形成のしやすさ、βシート形成のしやすさ、コンタクト数）について説明するための概念図である。
【図２４】特徴量の各記述子が取り得る値の範囲について説明するための概念図である。
【符号の説明】
【０１４９】
１００ 生物学的情報処理装置
１０２ 既知データ取得部
１０４ ウインドウレベル学習部
１０６ アミノ酸残基レベル学習部
１０８ 予測対象データ取得部
１１０ ウインドウレベル予測部
１１２ アミノ酸残基レベル予測部
１１４ ディスオーダー領域決定部
１１６ 出力部
２０２ 既知ウインドウ配列群データ取得部
２０４ 既知ウインドウ配列群データ記憶部
２０６ ウインドウディスオーダー特徴データ抽出部
２０８ ウインドウディスオーダー特徴量記憶部
２１０ ウインドウレベルディスオーダー分類基準生成部
２１２ ウインドウレベルディスオーダー分類基準記憶部
２１４ ウインドウレベルディスオーダー指標生成部
２１６ ウインドウレベルディスオーダー指標記憶部
２１８ 頻度分布データ生成部
２２０ 頻度分布データ記憶部
２２２ アミノ酸残基レベルディスオーダー分類基準生成部
２２４ アミノ酸残基レベルディスオーダー分類基準記憶部
３０２ 予測対象データ取得部
３０４ 予測対象データ記憶部
３０６ ウインドウディスオーダー特徴データ抽出部
３０８ ウインドウディスオーダー特徴量記憶部
３１０ ウインドウレベルディスオーダー分類基準記憶部
３１２ ウインドウレベルディスオーダー指標値生成部
３１４ ウインドウレベルディスオーダー指標値記憶部
３１６ 頻度分布データ生成部
３１８ 頻度分布データ記憶部
３２０ アミノ酸残基レベルディスオーダー分類基準記憶部
３２２ アミノ酸残基レベルディスオーダー該当性判定部
３２４ アミノ酸残基レベルディスオーダー該当性判定結果記憶部
４０２ アミノ酸残基レベル予測結果取得部
４０４ 所定規則記憶部
４０６ 所定規則処理部
４０８ ディスオーダー領域決定結果記憶部
【特許請求の範囲】
【請求項１】
ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置であって、
予測対象のポリペプチドのアミノ酸配列データを取得する予測対象データ取得部と、
前記予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うウインドウレベル予測部と、
前記ウインドウレベル予測部の予測結果に基づいて、前記予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うアミノ酸残基レベル予測部と、
を備え、
前記ウインドウレベル予測部は、
所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較することにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求め、
前記アミノ酸残基レベル予測部は、
前記アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、前記着目残基を含み前記残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求め、前記着目残基に関する分布特性データを、前記既知ウインドウ配列群から得られる分布特定データ群と比較することにより、前記着目残基がディスオーダー領域に含まれるか否かを予測する、
ことを特徴とする生物学的情報処理装置。
【請求項２】
請求項１記載の生物学的情報処理装置において、
前記アミノ酸残基レベル予測部の予測結果に基づき、ディスオーダー領域に含まれると予測されるアミノ酸残基が所定の規則で配列されたアミノ酸配列からなる領域をディスオーダー領域として特定するディスオーダー領域決定部をさらに備えることを特徴とする生物学的情報処理装置。
【請求項３】
請求項１または２記載の生物学的情報処理装置において、
前記ウインドウレベル予測部は、
各ウインドウ配列から、ディスオーダー領域を特徴づけるウインドウディスオーダー特徴データを抽出するウインドウディスオーダー特徴データ抽出部と、
前記既知ウインドウ配列群の各々から得られる前記ウインドウディスオーダー特徴データから生成され、ディスオーダー領域と非ディスオーダー領域のウインドウディスオーダー特徴データを分類するウインドウレベルディスオーダー分類基準を記憶するウインドウレベルディスオーダー分類基準記憶部と、
を含むことを特徴とする生物学的情報処理装置。
【請求項４】
請求項３記載の生物学的情報処理装置において、
前記既知ウインドウ配列群から前記ウインドウレベルディスオーダー分類基準を生成するウインドウレベル学習部を含み、
前記ウインドウレベル学習部は、
前記既知ウインドウ配列群の各配列から、前記ウインドウディスオーダー特徴データを抽出する既知ウインドウディスオーダー特徴データ抽出部と、
抽出された前記既知ウインドウ配列群の前記ウインドウディスオーダー特徴データをディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるように前記ウインドウレベルディスオーダー分類基準を生成するウインドウレベルディスオーダー分類基準生成部と、
を備えることを特徴とする生物学的情報処理装置。
【請求項５】
請求項３または４記載の生物学的情報処理装置において、
前記ウインドウディスオーダー特徴データは、ディスオーダー領域を特徴づける生物学的特徴量で構成されるベクトルデータであり、
前記ウインドウレベルディスオーダー分類基準は、前記ベクトルデータの配置されている空間に設けられる分離面を規定する
ことを特徴とする生物学的情報処理装置。
【請求項６】
請求項５記載の生物学的情報処理装置において、
前記生物学的特徴量は、荷電の大きさ、疎水性度、配列の複雑度、荷電クラスタ予測値、既知のオーダー領域とのアミノ酸組成の相関、既知のディスオーダー領域とのアミノ酸組成の相関、αへリックス予測値、βシート予測値、疎水性クラスタ予測値およびコンタクト数からなる群から選ばれる１以上の特徴量を含むことを特徴とする生物学的情報処理装置。
【請求項７】
請求項５記載の生物学的情報処理装置において、
前記ウインドウレベルディスオーダー指標値は、前記分離面と前記ベクトルデータとの位置関係に基づいて、求められることを特徴とする生物学的情報処理装置。
【請求項８】
請求項４記載の生物学的情報処理装置において、
前記ウインドウレベル予測部および前記ウインドウレベル学習部は、サポートベクトルマシンを含み、前記ウインドウレベルディスオーダー分類基準は前記サポートベクトルマシンの分離面であり、前記ウインドウレベルディスオーダー指標値は、前記ウインドウディスオーダー特徴データをサポートベクトルマシンに入力することによって、前記サポートベクトルマシンから出力される分類確率パラメータとして求められることを特徴とする生物学的情報処理装置。
【請求項９】
請求項３記載の生物学的情報処理装置において、
前記アミノ酸残基レベル予測部は、
前記着目残基の分布特性データとして、前記着目残基を含む複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の頻度分布データを生成する頻度分布データ生成部と、
前記既知ウインドウ配列群から得られる頻度分布データ群から生成され、ディスオーダー領域と非ディスオーダー領域の頻度分布データを分類するアミノ酸残基レベルディスオーダー分類基準を記憶するアミノ酸残基レベルディスオーダー分類基準記憶部と、
を含むことを特徴とする生物学的情報処理装置。
【請求項１０】
請求項９記載の生物学的情報処理装置において、
前記既知ウインドウ配列群から前記アミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベル学習部を含み、
前記アミノ酸残基レベル学習部は、
前記既知ウインドウ配列群を構成するアミノ酸残基群にそれぞれ対応する頻度分布データ群を生成する既知アミノ酸残基頻度分布データ生成部と、
前記既知ウインドウ配列群から生成された前記頻度分布データ群を、ディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるように、前記アミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベルディスオーダー分類基準生成部と、
を備えることを特徴とする生物学的情報処理装置。
【請求項１１】
請求項９または１０記載の生物学的情報処理装置において、
前記頻度分布データは、複数の所定数値範囲ごとの前記ウインドウレベルディスオーダー指標値の出現頻度で構成されるベクトルデータであり、
前記アミノ酸残基レベルディスオーダー分類基準は、前記ベクトルデータの配置されている空間に設けられる分離面を規定する
ことを特徴とする生物学的情報処理装置。
【請求項１２】
請求項１０記載の生物学的情報処理装置において、
前記アミノ酸残基レベル予測部およびアミノ酸残基レベル学習部は、サポートベクトルマシンを含み、前記アミノ酸残基レベルディスオーダー分類基準は前記サポートベクトルマシンの分離面であり、前記ディスオーダー領域への前記着目残基の該当の有無は、前記頻度分布データをサポートベクトルマシンに入力することによって、前記サポートベクトルマシンから出力される分類確率パラメータとして求められることを特徴とする生物学的情報処理装置。
【請求項１３】
請求項１乃至１２いずれかに記載の生物学的情報処理装置において、
前記ウインドウサイズは、３０残基以上であり、
前記残基ずれ数は、１残基以上であることを特徴とする生物学的情報処理装置。
【請求項１４】
ポリペプチドのディスオーダー領域を予測するための生物学的情報処理方法であって、
予測対象のポリペプチドのアミノ酸配列データを取得するステップと、
前記予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うステップと、
前記ウインドウレベル予測部の予測結果に基づいて、前記予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うステップと、
を含み、
前記ウインドウレベル予で予測を行うステップは、
所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較することにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求めるステップを含み、
前記アミノ酸残基レベルで予測を行うステップは、
前記アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、前記着目残基を含み前記残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求め、前記着目残基に関する分布特性データを、前記既知ウインドウ配列群から得られる分布特定データ群と比較することにより、前記着目残基がディスオーダー領域に含まれるか否かを予測するステップを含むことを特徴とする生物学的情報処理方法。
【請求項１５】
ポリペプチドのディスオーダー領域の予測をコンピュータに実行させるための生物学的情報処理プログラムであって、
予測対象のポリペプチドのアミノ酸配列データを取得するステップと、
前記予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うステップと、
前記ウインドウレベル予測部の予測結果に基づいて、前記予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うステップと、
をコンピュータに実行させ、
前記ウインドウレベル予で予測を行うステップは、
所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較することにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求めるステップを含み、
前記アミノ酸残基レベルで予測を行うステップは、
前記アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、前記着目残基を含み前記残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求め、前記着目残基に関する分布特性データを、前記既知ウインドウ配列群から得られる分布特定データ群と比較することにより、前記着目残基がディスオーダー領域に含まれるか否かを予測するステップを含む
ことを特徴とする生物学的情報処理プログラム。
【請求項１】
ポリペプチドのディスオーダー領域を予測するための生物学的情報処理装置であって、
予測対象のポリペプチドのアミノ酸配列データを取得する予測対象データ取得部と、
前記予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うウインドウレベル予測部と、
前記ウインドウレベル予測部の予測結果に基づいて、前記予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うアミノ酸残基レベル予測部と、
を備え、
前記ウインドウレベル予測部は、
所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較することにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求め、
前記アミノ酸残基レベル予測部は、
前記アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、前記着目残基を含み前記残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求め、前記着目残基に関する分布特性データを、前記既知ウインドウ配列群から得られる分布特定データ群と比較することにより、前記着目残基がディスオーダー領域に含まれるか否かを予測する、
ことを特徴とする生物学的情報処理装置。
【請求項２】
請求項１記載の生物学的情報処理装置において、
前記アミノ酸残基レベル予測部の予測結果に基づき、ディスオーダー領域に含まれると予測されるアミノ酸残基が所定の規則で配列されたアミノ酸配列からなる領域をディスオーダー領域として特定するディスオーダー領域決定部をさらに備えることを特徴とする生物学的情報処理装置。
【請求項３】
請求項１または２記載の生物学的情報処理装置において、
前記ウインドウレベル予測部は、
各ウインドウ配列から、ディスオーダー領域を特徴づけるウインドウディスオーダー特徴データを抽出するウインドウディスオーダー特徴データ抽出部と、
前記既知ウインドウ配列群の各々から得られる前記ウインドウディスオーダー特徴データから生成され、ディスオーダー領域と非ディスオーダー領域のウインドウディスオーダー特徴データを分類するウインドウレベルディスオーダー分類基準を記憶するウインドウレベルディスオーダー分類基準記憶部と、
を含むことを特徴とする生物学的情報処理装置。
【請求項４】
請求項３記載の生物学的情報処理装置において、
前記既知ウインドウ配列群から前記ウインドウレベルディスオーダー分類基準を生成するウインドウレベル学習部を含み、
前記ウインドウレベル学習部は、
前記既知ウインドウ配列群の各配列から、前記ウインドウディスオーダー特徴データを抽出する既知ウインドウディスオーダー特徴データ抽出部と、
抽出された前記既知ウインドウ配列群の前記ウインドウディスオーダー特徴データをディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるように前記ウインドウレベルディスオーダー分類基準を生成するウインドウレベルディスオーダー分類基準生成部と、
を備えることを特徴とする生物学的情報処理装置。
【請求項５】
請求項３または４記載の生物学的情報処理装置において、
前記ウインドウディスオーダー特徴データは、ディスオーダー領域を特徴づける生物学的特徴量で構成されるベクトルデータであり、
前記ウインドウレベルディスオーダー分類基準は、前記ベクトルデータの配置されている空間に設けられる分離面を規定する
ことを特徴とする生物学的情報処理装置。
【請求項６】
請求項５記載の生物学的情報処理装置において、
前記生物学的特徴量は、荷電の大きさ、疎水性度、配列の複雑度、荷電クラスタ予測値、既知のオーダー領域とのアミノ酸組成の相関、既知のディスオーダー領域とのアミノ酸組成の相関、αへリックス予測値、βシート予測値、疎水性クラスタ予測値およびコンタクト数からなる群から選ばれる１以上の特徴量を含むことを特徴とする生物学的情報処理装置。
【請求項７】
請求項５記載の生物学的情報処理装置において、
前記ウインドウレベルディスオーダー指標値は、前記分離面と前記ベクトルデータとの位置関係に基づいて、求められることを特徴とする生物学的情報処理装置。
【請求項８】
請求項４記載の生物学的情報処理装置において、
前記ウインドウレベル予測部および前記ウインドウレベル学習部は、サポートベクトルマシンを含み、前記ウインドウレベルディスオーダー分類基準は前記サポートベクトルマシンの分離面であり、前記ウインドウレベルディスオーダー指標値は、前記ウインドウディスオーダー特徴データをサポートベクトルマシンに入力することによって、前記サポートベクトルマシンから出力される分類確率パラメータとして求められることを特徴とする生物学的情報処理装置。
【請求項９】
請求項３記載の生物学的情報処理装置において、
前記アミノ酸残基レベル予測部は、
前記着目残基の分布特性データとして、前記着目残基を含む複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の頻度分布データを生成する頻度分布データ生成部と、
前記既知ウインドウ配列群から得られる頻度分布データ群から生成され、ディスオーダー領域と非ディスオーダー領域の頻度分布データを分類するアミノ酸残基レベルディスオーダー分類基準を記憶するアミノ酸残基レベルディスオーダー分類基準記憶部と、
を含むことを特徴とする生物学的情報処理装置。
【請求項１０】
請求項９記載の生物学的情報処理装置において、
前記既知ウインドウ配列群から前記アミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベル学習部を含み、
前記アミノ酸残基レベル学習部は、
前記既知ウインドウ配列群を構成するアミノ酸残基群にそれぞれ対応する頻度分布データ群を生成する既知アミノ酸残基頻度分布データ生成部と、
前記既知ウインドウ配列群から生成された前記頻度分布データ群を、ディスオーダー領域のデータと非ディスオーダー領域のデータとに分けるように、前記アミノ酸残基レベルディスオーダー分類基準を生成するアミノ酸残基レベルディスオーダー分類基準生成部と、
を備えることを特徴とする生物学的情報処理装置。
【請求項１１】
請求項９または１０記載の生物学的情報処理装置において、
前記頻度分布データは、複数の所定数値範囲ごとの前記ウインドウレベルディスオーダー指標値の出現頻度で構成されるベクトルデータであり、
前記アミノ酸残基レベルディスオーダー分類基準は、前記ベクトルデータの配置されている空間に設けられる分離面を規定する
ことを特徴とする生物学的情報処理装置。
【請求項１２】
請求項１０記載の生物学的情報処理装置において、
前記アミノ酸残基レベル予測部およびアミノ酸残基レベル学習部は、サポートベクトルマシンを含み、前記アミノ酸残基レベルディスオーダー分類基準は前記サポートベクトルマシンの分離面であり、前記ディスオーダー領域への前記着目残基の該当の有無は、前記頻度分布データをサポートベクトルマシンに入力することによって、前記サポートベクトルマシンから出力される分類確率パラメータとして求められることを特徴とする生物学的情報処理装置。
【請求項１３】
請求項１乃至１２いずれかに記載の生物学的情報処理装置において、
前記ウインドウサイズは、３０残基以上であり、
前記残基ずれ数は、１残基以上であることを特徴とする生物学的情報処理装置。
【請求項１４】
ポリペプチドのディスオーダー領域を予測するための生物学的情報処理方法であって、
予測対象のポリペプチドのアミノ酸配列データを取得するステップと、
前記予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うステップと、
前記ウインドウレベル予測部の予測結果に基づいて、前記予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うステップと、
を含み、
前記ウインドウレベル予で予測を行うステップは、
所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較することにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求めるステップを含み、
前記アミノ酸残基レベルで予測を行うステップは、
前記アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、前記着目残基を含み前記残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求め、前記着目残基に関する分布特性データを、前記既知ウインドウ配列群から得られる分布特定データ群と比較することにより、前記着目残基がディスオーダー領域に含まれるか否かを予測するステップを含むことを特徴とする生物学的情報処理方法。
【請求項１５】
ポリペプチドのディスオーダー領域の予測をコンピュータに実行させるための生物学的情報処理プログラムであって、
予測対象のポリペプチドのアミノ酸配列データを取得するステップと、
前記予測対象のアミノ酸配列データに含まれる所定のウインドウサイズのウインドウ配列レベルでディスオーダー領域の予測を行うステップと、
前記ウインドウレベル予測部の予測結果に基づいて、前記予測対象のアミノ酸配列データに含まれる各アミノ酸残基レベルでディスオーダー領域の予測を行うステップと、
をコンピュータに実行させ、
前記ウインドウレベル予で予測を行うステップは、
所定の残基ずれ数ずつずれた各々のウインドウ配列を、ディスオーダー該当性が既知である既知ウインドウ配列群と比較することにより、各ウインドウ配列がディスオーダー領域へ属する確率の高さを示すウインドウレベルディスオーダー指標値を求めるステップを含み、
前記アミノ酸残基レベルで予測を行うステップは、
前記アミノ酸配列データに含まれる各アミノ酸残基を予測対象の着目残基に設定し、前記着目残基を含み前記残基ずれ数ずつずれた複数のウインドウ配列からそれぞれ得られる複数のウインドウレベルディスオーダー指標値の分布特性データを求め、前記着目残基に関する分布特性データを、前記既知ウインドウ配列群から得られる分布特定データ群と比較することにより、前記着目残基がディスオーダー領域に含まれるか否かを予測するステップを含む
ことを特徴とする生物学的情報処理プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【公開番号】特開２００７−１４８９９１（Ｐ２００７−１４８９９１Ａ）
【公開日】平成１９年６月１４日（２００７．６．１４）
【国際特許分類】
【出願番号】特願２００５−３４５６０９（Ｐ２００５−３４５６０９）
【出願日】平成１７年１１月３０日（２００５．１１．３０）
【出願人】（３０１０２１５３３）独立行政法人産業技術総合研究所 (6,529)
【出願人】（５００３８６５６３）株式会社ファルマデザイン (9)
【Ｆターム（参考）】
【公開日】平成１９年６月１４日（２００７．６．１４）
【国際特許分類】
【出願日】平成１７年１１月３０日（２００５．１１．３０）
【出願人】（３０１０２１５３３）独立行政法人産業技術総合研究所 (6,529)
【出願人】（５００３８６５６３）株式会社ファルマデザイン (9)
【Ｆターム（参考）】
[ Back to top ]