解釈可能な二段階予測法の提案と農学・医学データへの応用

抄録

機械学習の発展に伴い、農学や医学などの生命科学分野への応用が期待される。しかし、現在の機械学習法を適用した場合、（１）高次元少数サンプルでの予測を強いられるため予測結果が安定しないこと、（２）学習モデルがブラックボックスであるため、その後の実験や改良へとつながらないことが問題となっている。これらの解決策として、LASSO の適用が考えられるが、予測性能が深層学習等のアルゴリズムを下回ることが多い。そこで、解釈性と予測性能を両立させるために、我々は細胞内の状態を模す中間層を入れ、入力層と中間層、中間層と出力層を独立してモデルを構築する「二段階予測法」を開発した。 我々は、手法の有効性を評価するために、生態学および医学への応用を試みた。生態学への応用として、気象条件から熱帯植物の開花状況を予測した。その結果、開花状況の予測ができただけでなく、直近3ヶ月の降水量の増減に強く影響されるという、今まで不明だった開花のトリガーも明らかにした。また、医学への応用として、コピー数変異と呼ばれるゲノム情報から、癌の種類を予測し、癌種の決定に重要な遺伝子を発見することが可能となった。