JP2004295606A - 遺伝子機能推定装置、遺伝子機能推定方法、および、プログラム - Google Patents
遺伝子機能推定装置、遺伝子機能推定方法、および、プログラム Download PDFInfo
- Publication number
- JP2004295606A JP2004295606A JP2003088382A JP2003088382A JP2004295606A JP 2004295606 A JP2004295606 A JP 2004295606A JP 2003088382 A JP2003088382 A JP 2003088382A JP 2003088382 A JP2003088382 A JP 2003088382A JP 2004295606 A JP2004295606 A JP 2004295606A
- Authority
- JP
- Japan
- Prior art keywords
- information
- document
- document vector
- eigenvalue
- word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】広範囲で膨大な量の文書情報に対し疾患関連遺伝子などの抽出を実現し、新しい薬剤や治療法の開発でのコスト削減につなげる。
【解決手段】本発明にかかる装置等は、文書情報集合を取得し、取得された文書情報集合の文書情報をベクトルで表現した文書ベクトル情報を、各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいてオブジェクトを生成し、生成されたオブジェクトの固有値情報および固有ベクトル情報に基づいてオブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと任意のオブジェクトとの間の類似度情報を算出し当該類似度情報に基づいて当該特定の遺伝子の機能を推定する。
【選択図】 図１
【解決手段】本発明にかかる装置等は、文書情報集合を取得し、取得された文書情報集合の文書情報をベクトルで表現した文書ベクトル情報を、各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいてオブジェクトを生成し、生成されたオブジェクトの固有値情報および固有ベクトル情報に基づいてオブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと任意のオブジェクトとの間の類似度情報を算出し当該類似度情報に基づいて当該特定の遺伝子の機能を推定する。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は、遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムに関し、特に、広範囲で膨大な量の文書情報に対し疾患関連遺伝子などの抽出を実現し、新しい薬剤や治療法の開発でのコスト削減につなげることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムに関する。
【０００２】
【従来の技術】
これまで、多種多様な知識が言語を通して記述され文書の形で蓄積されてきており、これら文書に対する昨今の急速な電子化の流れにより知識をコンピュータ環境で計算処理する知識ベース構築が求められてきている。
【０００３】
ここで、蓄積された知識が広範囲かつ膨大な量となったために人が扱いきれなくなった状況においては、網羅的な自動処理が要求されているといえる。
【０００４】
また、特に複数の知識を結合させると新たな知識が見出され（例えば、非特許文献１参照。）、知識ベース活用による知識発見への期待もますます大きくなっている。
【０００５】
一方、これまでの遺伝子の解析は、疾患との関係や臓器との関係などの或る特定の機能に対する検証に基づいて行われてきており、得られる結果が断片的であるという限界がある。
【０００６】
この状況の下で、遺伝子などの活用語彙を役割や作用により階層的に分類することで、得られている知見を系統的に記述し、対象世界の知識の構造化を図るオントロジーの研究が進められている（例えば、非特許文献２、非特許文献３、非特許文献４、非特許文献６参照。）。
【０００７】
具体的には、ライフサイエンス分野（例えば、非特許文献５、非特許文献６参照。）は生物学や医学をはじめとした幅広い分野であるため、オントロジー構築（例えば、非特許文献４参照。）を通して学際間を融合した知識構造化が積極的に進められている。
【０００８】
また、昨今のゲノムの解読をきっかけにして、横断的な知識ベースの構築が急務となっている（例えば、非特許文献７参照。）。
【０００９】
そして、遺伝子、疾患、臓器、化合物、更には生物種など様々な面で相互の関係理解が求められている一方で、全体をみないと構造が理解できない課題に直面しているといえる。
【００１０】
【非特許文献１】
野中郁次郎、竹内弘高、「知識創造企業」、東洋経済新報社、１９９６年
【非特許文献２】
溝口理一郎、「オントロジー研究の基礎と応用」、人工知能学会誌、Ｖｏｌ．１４、Ｎｏ．６、ｐ．９７７−９８８、１９９９年
【非特許文献３】
Ｍｉｌｌｅｒ，Ｇ．Ａ．、「ＷｏｒｄＮｅｔ： Ａ ｌｅｘｉｃａｌｄａｔａｂａｓｅｓ ｆｏｒ Ｅｎｇｌｉｓｈ」、Ｃｏｍｍ． ｏｆ ｔｈｅ ＡＣＭ、３８、１１、ｐ．３９−４１、１９９５年
【非特許文献４】
Ｍ．Ａｓｈｂｕｒｎｅｒ ｅｔ ａｌ．、「Ｇｅｎｅ ｏｎｔｏｌｏｇｙ：ｔｏｏｌ ｆｏｒ ｔｈｅ ｕｎｉｆｉｃａｔｉｏｎ ｏｆ ｂｉｏｌｏｇｙ」、Ｎａｔ． Ｇｅｎｅｔ．、ｖｏｌ．２５、Ｎｏ．１、ｐ．２５−２９、２０００年
【非特許文献５】
「２１世紀の医療・福祉を支える科学技術特集／５．ゲノム情報とその利用」、信学誌、Ｖｏｌ．８４、Ｎｏ．５、ｐ．３４１−３６７、２００１年
【非特許文献６】
森下真一、久光徹、高木利久、「特集ゲノム情報科学」、情報処理、Ｖｏｌ．４３、Ｎｏ．１、ｐ．１−４１、２００２年
【非特許文献７】
村松正実、「解読されたゲノム情報をどう活かすか」、東京化学同人、１２．遺伝子カスケードと新しい創薬プラン、ｐ．１０３−１１１、２００１年
【００１１】
【発明が解決しようとする課題】
しかしながら、オントロジーの研究において、因果関係などの動作が不明な場合をはじめ、新たな知見に伴う更新が頻繁な場合などで、人手による分類のために多大な労力を要するということから、適用対象が制約されるという問題点がある。
【００１２】
従って、対象が広範囲で膨大な情報量になるにつれて全体をふかんした知識の構造化は実現困難とされている（例えば、「土橋喜，“情報視覚化と問題発見支援”，あるむ，２０００．」参照。）という問題点がある。
【００１３】
また、遺伝子名の論文中の共起頻度に基づく網羅的な検討（例えば、「Ｔ．Ｊｅｎｓｓｅｎ ｅｔ ａｌ．，“Ａｌｉｔｅｒａｔｕｒｅ ｎｅｔｗｏｒｋ ｏｆ ｈｕｍａｎ ｇｅｎｅｓ ｆｏｒ ｈｉｇｈ−ｔｈｒｏｕｇｈｐｕｔ ａｎａｌｙｓｉｓ ｏｆ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ”，Ｎａｔ．Ｇｅｎｅｔ．，ｖｏｌ．２８，Ｎｏ．５，ｐｐ２１−２８，２００１．」参照。）が報告され、広く活用されているが、疾患や臓器などとのつながりが直接わからないことから機能の推定までに至らないという問題点がある。
【００１４】
このように、従来のシステム等は数々の問題点を有しており、その結果、システムの利用者および管理者のいずれにとっても、利便性が悪く、また、利用効率が悪いものであった。
【００１５】
本発明は上記問題点に鑑みてなされたもので、広範囲で膨大な量の文書情報に対し疾患関連遺伝子などの抽出を実現し、新しい薬剤や治療法の開発でのコスト削減につなげることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することを目的としている。
【００１６】
【課題を解決するための手段】
このような目的を達成するため、請求項１に記載の遺伝子機能推定装置は、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得手段と、上記文書情報集合取得手段により取得された上記文書情報集合に含まれる各上記文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成手段と、上記文書ベクトル情報作成手段により作成された上記文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出手段と、上記固有値情報算出手段により算出された上記固有値情報に対応する固有ベクトル情報に基づいて、上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成するオブジェクト生成手段と、上記オブジェクト生成手段により生成された上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、上記オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出手段と、上記オブジェクト間類似度情報算出手段により特定の遺伝子に対応する上記オブジェクトと、任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定手段とを備えたことを特徴とする。
【００１７】
この装置によれば、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定するので、広範囲で膨大な量の文書情報に対する計算機による自動処理を通して、例えば、疾患関連遺伝子の抽出を実現し、新しい薬剤や治療法の開発でのコストを削減することにつなげることができる。
【００１８】
また、この装置によれば、具体的には、医学生物学的な語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチングによりオブジェクト間の相対関係を算出することができる。
【００１９】
また、この装置によれば、具体的には、例えば、遺伝子、疾患、臓器、化合物などの要素概念をオブジェクトとして扱い、論文をはじめとした文書情報を基に、類似度の尺度で当該オブジェクト群の相互の関連を定量化し、例えば、遺伝子と疾患の間を関連付けて疾患関連遺伝子を抽出（機能推定）するなど知識構造化を図ることができる。
【００２０】
また、この装置によれば、疾患の他、臓器や化合物、免疫などの作用や肥満、喫煙などと遺伝子との関連を統合的に把握することを可能にすることができる。
【００２１】
また、この装置によれば、手元の文書群（例えば、新規遺伝子、薬剤やタンパク質に関して記述されたもの）からオブジェクト生成することで、既存の概念との関連が推測でき、薬剤開発などでの工数を削減することができる。
【００２２】
また、請求項２に記載の遺伝子機能推定装置は、請求項１に記載の遺伝子機能推定装置において、上記文書ベクトル情報作成手段は、上記文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００２３】
これは文書ベクトル情報作成手段の一例を一層具体的に示すものである。この装置によれば、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に文書ベクトル情報を作成することができる。
【００２４】
また、請求項３に記載の遺伝子機能推定装置は、請求項１または２に記載の遺伝子機能推定装置において、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数１９】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００２５】
これは重み情報の一例を一層具体的に示すものである。この装置によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを文書ベクトル情報に反映させることができる。
【数２０】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００２６】
また、請求項４に記載の遺伝子機能推定装置は、請求項１から３のいずれか一つに記載の遺伝子機能推定装置において、上記固有値情報算出手段は、上記文書ベクトル情報に基づいて、数式２に示す上記文書ベクトル情報の上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【数２１】
（ここで、「Ｒｗ」はオブジェクト「ｗ」に関する自己相関行列であり、「Ｍ」は文書ベクトル情報集合の要素数（但し、「Ｍ≧１」、「Ｍ」は整数。）であり、「ｍ」は１からＭの値をとる整数であり、「ｕｗ（ｍ）」はオブジェクト「ｗ」に関するＭ個の文書ベクトル情報集合における文書ベクトル情報識別番号「ｍ」に対応する文書ベクトル情報であり、当該文書ベクトル情報は「（ｕ１，ｕ２，・・・，ｕｋ，・・・，ｕＮ）」で表現され、当該文書ベクトル情報のベクトル成分「ｕｋ」は「ＴＦ（ｕ，ｋ）×ＩＤＦ（ｋ）」であり、「ＴＦ（ｕ，ｋ）」は単語情報識別番号「ｋ」に対応する単語情報の頻度である。）
【００２７】
これは固有値情報算出手段の一例を一層具体的に示すものである。この装置によれば、文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、簡単に固有値を算出することができる。
【数２２】
（ここで、「Ｒｗ」はオブジェクト「ｗ」に関する自己相関行列であり、「Ｍ」は文書ベクトル情報集合の要素数（但し、「Ｍ≧１」、「Ｍ」は整数。）であり、「ｍ」は１からＭの値をとる整数であり、「ｕｗ（ｍ）」はオブジェクト「ｗ」に関するＭ個の文書ベクトル情報集合における文書ベクトル情報識別番号「ｍ」に対応する文書ベクトル情報であり、当該文書ベクトル情報は「（ｕ１，ｕ２，・・・，ｕｋ，・・・，ｕＮ）」で表現され、当該文書ベクトル情報のベクトル成分「ｕｋ」は「ＴＦ（ｕ，ｋ）×ＩＤＦ（ｋ）」であり、「ＴＦ（ｕ，ｋ）」は単語情報識別番号「ｋ」に対応する単語情報の頻度である。）
【００２８】
また、請求項５に記載の遺伝子機能推定装置は、請求項１から４のいずれか一つに記載の遺伝子機能推定装置において、上記オブジェクト生成手段は、上記固有値情報に対応する上記固有ベクトル情報に基づいて、数式３より定められる上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成することを特徴とする。
【数２３】
（ここで、「Ｎ」および「κ」は対象とする文書情報集合により実験的に定められるパラメータ（但し、「Ｎ」は１以上の整数、「０＜κ≦１」）であり、「ｊ」は１以上の整数であり、「λｊ ｗ」はオブジェクト「ｗ」のベクトル成分「ｊ」に対応する固有値であり、「ｎｗ」はオブジェクト「ｗ」の次元数である。）
【００２９】
これはオブジェクト生成手段の一例を一層具体的に示すものである。この装置によれば、固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成するので、オブジェクトの空間の次元数がパターン分布に反映される概念の広がりに対応するように、オブジェクトを生成することができる。
【数２４】
（ここで、「Ｎ」および「κ」は対象とする文書情報集合により実験的に定められるパラメータ（但し、「Ｎ」は１以上の整数、「０＜κ≦１」）であり、「ｊ」は１以上の整数であり、「λｊ ｗ」はオブジェクト「ｗ」のベクトル成分「ｊ」に対応する固有値であり、「ｎｗ」はオブジェクト「ｗ」の次元数である。）
【００３０】
また、請求項６に記載の遺伝子機能推定装置は、請求項１から５のいずれか一つに記載の遺伝子機能推定装置において、上記オブジェクト間類似度情報算出手段は、上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、数式４で定義された上記オブジェクト間の類似度情報を算出することを特徴とする。
【数２５】
（数式４において、「Ｌｗ（Ａ，Ｂ）」はオブジェクト「ｗ（Ａ）」とオブジェクト「ｗ（Ｂ）」との間の類似度であり、「λｍａｘ ｗ（Ａ，Ｂ）」は数式６に示す行列成分をもつ数式５に示す行列「Ｘ」の固有値問題を解いて得られる最大固有値であり、数式６において、「φｉ ｗ（Ａ）」、「φｉ ｗ（Ｂ）」はそれぞれ、オブジェクト「ｗ（Ａ）」、オブジェクト「ｗ（Ｂ）」の固有ベクトル情報であり、「ｎｗ（Ｂ）」は、オブジェクト「ｗ（Ｂ）」の次元数である。）
【００３１】
これはオブジェクト間類似度情報算出手段の一例を一層具体的に示すものである。この装置によれば、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出するので、２つのオブジェクト間の類似度を２つの空間がなす角度に基づいて算出することができ、当該類似度の尺度でオブジェクト間の相対関係を定量化し、知識構造化を図ることができる。
【数２６】
（数式４において、「Ｌｗ（Ａ，Ｂ）」はオブジェクト「ｗ（Ａ）」とオブジェクト「ｗ（Ｂ）」との間の類似度であり、「λｍａｘ ｗ（Ａ，Ｂ）」は数式６に示す行列成分をもつ数式５に示す行列「Ｘ」の固有値問題を解いて得られる最大固有値であり、数式６において、「φｉ ｗ（Ａ）」、「φｉ ｗ（Ｂ）」はそれぞれ、オブジェクト「ｗ（Ａ）」、オブジェクト「ｗ（Ｂ）」の固有ベクトル情報であり、「ｎｗ（Ｂ）」は、オブジェクト「ｗ（Ｂ）」の次元数である。）
【００３２】
また、請求項７に記載の遺伝子機能推定装置は、請求項１から６のいずれか一つに記載の遺伝子機能推定装置において、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書情報集合取得手段と、上記学習文書情報集合取得手段により取得された上記学習文書情報集合の上記学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報に基づいて作成する学習文書ベクトル情報作成手段と、上記学習文書ベクトル情報作成手段により作成された上記学習文書ベクトル情報を用いて上記正規直交変換を行うための正規直交行列を取得する正規直交行列取得手段と、上記正規直交行列取得手段により取得された正規直交行列にて上記文書ベクトル情報を上記正規直交変換し、上記固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換手段とをさらに備え、上記固有値情報算出手段は、上記正規直交変換手段にて変換された上記文書ベクトル情報に基づいて、上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【００３３】
この装置によれば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換された文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、単語情報集合の冗長性を除いて処理量を効果的に削減することができる。
【００３４】
また、請求項８に記載の遺伝子機能推定装置は、請求項７に記載の遺伝子機能推定装置において、上記学習文書ベクトル情報作成手段は、上記学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００３５】
これは学習文書ベクトル情報作成手段の一例を一層具体的に示すものである。この装置によれば、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に学習文書ベクトル情報を作成することができる。
【００３６】
また、請求項９に記載の遺伝子機能推定装置は、請求項７または８に記載の遺伝子機能推定装置において、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数２７】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００３７】
これは重み情報の一例を一層具体的に示すものである。この装置によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを学習文書ベクトル情報に反映させることができる。
【数２８】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００３８】
また、請求項１０に記載の遺伝子機能推定装置は、請求項７から９のいずれか一つに記載の遺伝子機能推定装置において、上記正規直交変換手段は、上記文書ベクトル情報を正規直交変換し、数式８で定義される上記固有値の累積寄与率を基準に次元圧縮した空間に変換することを特徴とする。
【数２９】
（ここで、「Ｎ」は、次元圧縮する前の文書ベクトル情報の次元数であり、「Ｎ’」は、次元圧縮した後の文書ベクトル情報の次元数であり、「ｕｋ」は、正規直交変換における文書ベクトル情報の第「ｋ」成分の固有値である（但し、「１≦ｋ≦Ｎ」。）。）
【００３９】
これは正規直交変換手段の一例を一層具体的に示すものである。この装置によれば、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換するので、効果的に次元圧縮することができる。
【数３０】
（ここで、「Ｎ」は、次元圧縮する前の文書ベクトル情報の次元数であり、「Ｎ’」は、次元圧縮した後の文書ベクトル情報の次元数であり、「ｕｋ」は、正規直交変換における文書ベクトル情報の第「ｋ」成分の固有値である（但し、「１≦ｋ≦Ｎ」。）。）
【００４０】
また、本発明は遺伝子機能推定方法に関するものであり、請求項１１に記載の遺伝子機能推定方法は、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得ステップと、上記文書情報集合取得ステップにより取得された上記文書情報集合に含まれる各上記文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成ステップと、上記文書ベクトル情報作成ステップにより作成された上記文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出ステップと、上記固有値情報算出ステップにより算出された上記固有値情報に対応する固有ベクトル情報に基づいて、上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成するオブジェクト生成ステップと、上記オブジェクト生成ステップにより生成された上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、上記オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出ステップと、上記オブジェクト間類似度情報算出ステップにより特定の遺伝子に対応する上記オブジェクトと、任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定ステップとを含むことを特徴とする。
【００４１】
この方法によれば、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定するので、広範囲で膨大な量の文書情報に対する計算機による自動処理を通して、例えば、疾患関連遺伝子の抽出を実現し、新しい薬剤や治療法の開発でのコストを削減することにつなげることができる。
【００４２】
また、この方法によれば、具体的には、医学生物学的な語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチングによりオブジェクト間の相対関係を算出することができる。
【００４３】
また、この方法によれば、具体的には、例えば、遺伝子、疾患、臓器、化合物などの要素概念をオブジェクトとして扱い、論文をはじめとした文書情報を基に、類似度の尺度で当該オブジェクト群の相互の関連を定量化し、例えば、遺伝子と疾患の間を関連付けて疾患関連遺伝子を抽出（機能推定）するなど知識構造化を図ることができる。
【００４４】
また、この方法によれば、疾患の他、臓器や化合物、免疫などの作用や肥満、喫煙などと遺伝子との関連を統合的に把握することを可能にすることができる。
【００４５】
また、この方法によれば、手元の文書群（例えば、新規遺伝子、薬剤やタンパク質に関して記述されたもの）からオブジェクト生成することで、既存の概念との関連が推測でき、薬剤開発などでの工数を削減することができる。
【００４６】
また、請求項１２に記載の遺伝子機能推定方法は、請求項１１に記載の遺伝子機能推定方法において、上記文書ベクトル情報作成ステップは、上記文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００４７】
これは文書ベクトル情報作成ステップの一例を一層具体的に示すものである。この方法によれば、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に文書ベクトル情報を作成することができる。
【００４８】
また、請求項１３に記載の遺伝子機能推定方法は、請求項１１または１２に記載の遺伝子機能推定方法において、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数３１】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００４９】
これは重み情報の一例を一層具体的に示すものである。この方法によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを文書ベクトル情報に反映させることができる。
【数３２】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００５０】
また、請求項１４に記載の遺伝子機能推定方法は、請求項１１から１３のいずれか一つに記載の遺伝子機能推定方法において、上記固有値情報算出ステップは、上記文書ベクトル情報に基づいて、数式２に示す上記文書ベクトル情報の上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【数３３】
（ここで、「Ｒｗ」はオブジェクト「ｗ」に関する自己相関行列であり、「Ｍ」は文書ベクトル情報集合の要素数（但し、「Ｍ≧１」、「Ｍ」は整数。）であり、「ｍ」は１からＭの値をとる整数であり、「ｕｗ（ｍ）」はオブジェクト「ｗ」に関するＭ個の文書ベクトル情報集合における文書ベクトル情報識別番号「ｍ」に対応する文書ベクトル情報であり、当該文書ベクトル情報は「（ｕ１，ｕ２，・・・，ｕｋ，・・・，ｕＮ）」で表現され、当該文書ベクトル情報のベクトル成分「ｕｋ」は「ＴＦ（ｕ，ｋ）×ＩＤＦ（ｋ）」であり、「ＴＦ（ｕ，ｋ）」は単語情報識別番号「ｋ」に対応する単語情報の頻度である。）
【００５１】
これは固有値情報算出ステップの一例を一層具体的に示すものである。この方法によれば、文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、簡単に固有値を算出することができる。
【数３４】
（ここで、「Ｒｗ」はオブジェクト「ｗ」に関する自己相関行列であり、「Ｍ」は文書ベクトル情報集合の要素数（但し、「Ｍ≧１」、「Ｍ」は整数。）であり、「ｍ」は１からＭの値をとる整数であり、「ｕｗ（ｍ）」はオブジェクト「ｗ」に関するＭ個の文書ベクトル情報集合における文書ベクトル情報識別番号「ｍ」に対応する文書ベクトル情報であり、当該文書ベクトル情報は「（ｕ１，ｕ２，・・・，ｕｋ，・・・，ｕＮ）」で表現され、当該文書ベクトル情報のベクトル成分「ｕｋ」は「ＴＦ（ｕ，ｋ）×ＩＤＦ（ｋ）」であり、「ＴＦ（ｕ，ｋ）」は単語情報識別番号「ｋ」に対応する単語情報の頻度である。）
【００５２】
また、請求項１５に記載の遺伝子機能推定方法は、請求項１１から１４のいずれか一つに記載の遺伝子機能推定方法において、上記オブジェクト生成ステップは、上記固有値情報に対応する上記固有ベクトル情報に基づいて、数式３より定められる上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成することを特徴とする。
【数３５】
（ここで、「Ｎ」および「κ」は対象とする文書情報集合により実験的に定められるパラメータ（但し、「Ｎ」は１以上の整数、「０＜κ≦１」）であり、「ｊ」は１以上の整数であり、「λｊ ｗ」はオブジェクト「ｗ」のベクトル成分「ｊ」に対応する固有値であり、「ｎｗ」はオブジェクト「ｗ」の次元数である。）
【００５３】
これはオブジェクト生成ステップの一例を一層具体的に示すものである。この方法によれば、固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成するので、オブジェクトの空間の次元数がパターン分布に反映される概念の広がりに対応するように、オブジェクトを生成することができる。
【数３６】
（ここで、「Ｎ」および「κ」は対象とする文書情報集合により実験的に定められるパラメータ（但し、「Ｎ」は１以上の整数、「０＜κ≦１」）であり、「ｊ」は１以上の整数であり、「λｊ ｗ」はオブジェクト「ｗ」のベクトル成分「ｊ」に対応する固有値であり、「ｎｗ」はオブジェクト「ｗ」の次元数である。）
【００５４】
また、請求項１６に記載の遺伝子機能推定方法は、請求項１１から１５のいずれか一つに記載の遺伝子機能推定方法において、上記オブジェクト間類似度情報算出ステップは、上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、数式４で定義された上記オブジェクト間の類似度情報を算出することを特徴とする。
【数３７】
（数式４において、「Ｌｗ（Ａ，Ｂ）」はオブジェクト「ｗ（Ａ）」とオブジェクト「ｗ（Ｂ）」との間の類似度であり、「λｍａｘ ｗ（Ａ，Ｂ）」は数式６に示す行列成分をもつ数式５に示す行列「Ｘ」の固有値問題を解いて得られる最大固有値であり、数式６において、「φｉ ｗ（Ａ）」、「φｉ ｗ（Ｂ）」はそれぞれ、オブジェクト「ｗ（Ａ）」、オブジェクト「ｗ（Ｂ）」の固有ベクトル情報であり、「ｎｗ（Ｂ）」は、オブジェクト「ｗ（Ｂ）」の次元数である。）
【００５５】
これはオブジェクト間類似度情報算出ステップの一例を一層具体的に示すものである。この方法によれば、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出するので、２つのオブジェクト間の類似度を２つの空間がなす角度に基づいて算出することができ、当該類似度の尺度でオブジェクト間の相対関係を定量化し、知識構造化を図ることができる。
【数３８】
（数式４において、「Ｌｗ（Ａ，Ｂ）」はオブジェクト「ｗ（Ａ）」とオブジェクト「ｗ（Ｂ）」との間の類似度であり、「λｍａｘ ｗ（Ａ，Ｂ）」は数式６に示す行列成分をもつ数式５に示す行列「Ｘ」の固有値問題を解いて得られる最大固有値であり、数式６において、「φｉ ｗ（Ａ）」、「φｉ ｗ（Ｂ）」はそれぞれ、オブジェクト「ｗ（Ａ）」、オブジェクト「ｗ（Ｂ）」の固有ベクトル情報であり、「ｎｗ（Ｂ）」は、オブジェクト「ｗ（Ｂ）」の次元数である。）
【００５６】
また、請求項１７に記載の遺伝子機能推定方法は、請求項１１から１６のいずれか一つに記載の遺伝子機能推定方法において、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書情報集合取得ステップと、上記学習文書情報集合取得ステップにより取得された上記学習文書情報集合の上記学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報に基づいて作成する学習文書ベクトル情報作成ステップと、上記学習文書ベクトル情報作成ステップにより作成された上記学習文書ベクトル情報を用いて上記正規直交変換を行うための正規直交行列を取得する正規直交行列取得ステップと、上記正規直交行列取得ステップにより取得された正規直交行列にて上記文書ベクトル情報を上記正規直交変換し、上記固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換ステップとをさらに含み、上記固有値情報算出ステップは、上記正規直交変換ステップにて変換された上記文書ベクトル情報に基づいて、上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【００５７】
この方法によれば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換された文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、単語情報集合の冗長性を除いて処理量を効果的に削減することができる。
【００５８】
また、請求項１８に記載の遺伝子機能推定方法は、請求項１７に記載の遺伝子機能推定方法において、上記学習文書ベクトル情報作成ステップは、上記学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００５９】
これは学習文書ベクトル情報作成ステップの一例を一層具体的に示すものである。この方法によれば、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に学習文書ベクトル情報を作成することができる。
【００６０】
また、請求項１９に記載の遺伝子機能推定方法は、請求項１７または１８に記載の遺伝子機能推定方法において、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数３９】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００６１】
これは重み情報の一例を一層具体的に示すものである。この方法によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを学習文書ベクトル情報に反映させることができる。
【数４０】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００６２】
また、請求項２０に記載の遺伝子機能推定方法は、請求項１７から１９のいずれか一つに記載の遺伝子機能推定方法において、上記正規直交変換ステップは、上記文書ベクトル情報を正規直交変換し、数式８で定義される上記固有値の累積寄与率を基準に次元圧縮した空間に変換することを特徴とする。
【数４１】
（ここで、「Ｎ」は、次元圧縮する前の文書ベクトル情報の次元数であり、「Ｎ’」は、次元圧縮した後の文書ベクトル情報の次元数であり、「ｕｋ」は、正規直交変換における文書ベクトル情報の第「ｋ」成分の固有値である（但し、「１≦ｋ≦Ｎ」。）。）
【００６３】
これは正規直交変換ステップの一例を一層具体的に示すものである。この方法によれば、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換するので、効果的に次元圧縮することができる。
【数４２】
（ここで、「Ｎ」は、次元圧縮する前の文書ベクトル情報の次元数であり、「Ｎ’」は、次元圧縮した後の文書ベクトル情報の次元数であり、「ｕｋ」は、正規直交変換における文書ベクトル情報の第「ｋ」成分の固有値である（但し、「１≦ｋ≦Ｎ」。）。）
【００６４】
また、本発明はプログラムに関するものであり、請求項２１に記載の遺伝子機能推定方法をコンピュータに実行させることを特徴とするプログラムは、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得ステップと、上記文書情報集合取得ステップにより取得された上記文書情報集合に含まれる各上記文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成ステップと、上記文書ベクトル情報作成ステップにより作成された上記文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出ステップと、上記固有値情報算出ステップにより算出された上記固有値情報に対応する固有ベクトル情報に基づいて、上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成するオブジェクト生成ステップと、上記オブジェクト生成ステップにより生成された上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、上記オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出ステップと、上記オブジェクト間類似度情報算出ステップにより特定の遺伝子に対応する上記オブジェクトと、任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定ステップとを含むことを特徴とする。
【００６５】
このプログラムによれば、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定するので、広範囲で膨大な量の文書情報に対する計算機による自動処理を通して、例えば、疾患関連遺伝子の抽出を実現し、新しい薬剤や治療法の開発でのコストを削減することにつなげることができる。
【００６６】
また、このプログラムによれば、具体的には、医学生物学的な語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチングによりオブジェクト間の相対関係を算出することができる。
【００６７】
また、このプログラムによれば、具体的には、例えば、遺伝子、疾患、臓器、化合物などの要素概念をオブジェクトとして扱い、論文をはじめとした文書情報を基に、類似度の尺度で当該オブジェクト群の相互の関連を定量化し、例えば、遺伝子と疾患の間を関連付けて疾患関連遺伝子を抽出（機能推定）するなど知識構造化を図ることができる。
【００６８】
また、このプログラムによれば、疾患の他、臓器や化合物、免疫などの作用や肥満、喫煙などと遺伝子との関連を統合的に把握することを可能にすることができる。
【００６９】
また、このプログラムによれば、手元の文書群（例えば、新規遺伝子、薬剤やタンパク質に関して記述されたもの）からオブジェクト生成することで、既存の概念との関連が推測でき、薬剤開発などでの工数を削減することができる。
【００７０】
また、請求項２２に記載のプログラムは、請求項２１に記載のプログラムにおいて、上記文書ベクトル情報作成ステップは、上記文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００７１】
これは文書ベクトル情報作成ステップの一例を一層具体的に示すものである。このプログラムによれば、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に文書ベクトル情報を作成することができる。
【００７２】
また、請求項２３に記載のプログラムは、請求項２１または２２に記載のプログラムにおいて、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数４３】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００７３】
これは重み情報の一例を一層具体的に示すものである。このプログラムによれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを文書ベクトル情報に反映させることができる。
【数４４】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００７４】
また、請求項２４に記載のプログラムは、請求項２１から２３のいずれか一つに記載のプログラムにおいて、上記固有値情報算出ステップは、上記文書ベクトル情報に基づいて、数式２に示す上記文書ベクトル情報の上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【数４５】
（ここで、「Ｒｗ」はオブジェクト「ｗ」に関する自己相関行列であり、「Ｍ」は文書ベクトル情報集合の要素数（但し、「Ｍ≧１」、「Ｍ」は整数。）であり、「ｍ」は１からＭの値をとる整数であり、「ｕｗ（ｍ）」はオブジェクト「ｗ」に関するＭ個の文書ベクトル情報集合における文書ベクトル情報識別番号「ｍ」に対応する文書ベクトル情報であり、当該文書ベクトル情報は「（ｕ１，ｕ２，・・・，ｕｋ，・・・，ｕＮ）」で表現され、当該文書ベクトル情報のベクトル成分「ｕｋ」は「ＴＦ（ｕ，ｋ）×ＩＤＦ（ｋ）」であり、「ＴＦ（ｕ，ｋ）」は単語情報識別番号「ｋ」に対応する単語情報の頻度である。）
【００７５】
これは固有値情報算出ステップの一例を一層具体的に示すものである。このプログラムによれば、文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、簡単に固有値を算出することができる。
【数４６】
（ここで、「Ｒｗ」はオブジェクト「ｗ」に関する自己相関行列であり、「Ｍ」は文書ベクトル情報集合の要素数（但し、「Ｍ≧１」、「Ｍ」は整数。）であり、「ｍ」は１からＭの値をとる整数であり、「ｕｗ（ｍ）」はオブジェクト「ｗ」に関するＭ個の文書ベクトル情報集合における文書ベクトル情報識別番号「ｍ」に対応する文書ベクトル情報であり、当該文書ベクトル情報は「（ｕ１，ｕ２，・・・，ｕｋ，・・・，ｕＮ）」で表現され、当該文書ベクトル情報のベクトル成分「ｕｋ」は「ＴＦ（ｕ，ｋ）×ＩＤＦ（ｋ）」であり、「ＴＦ（ｕ，ｋ）」は単語情報識別番号「ｋ」に対応する単語情報の頻度である。）
【００７６】
また、請求項２５に記載のプログラムは、請求項２１から２４のいずれか一つに記載のプログラムにおいて、上記オブジェクト生成ステップは、上記固有値情報に対応する上記固有ベクトル情報に基づいて、数式３より定められる上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成することを特徴とする。
【数４７】
（ここで、「Ｎ」および「κ」は対象とする文書情報集合により実験的に定められるパラメータ（但し、「Ｎ」は１以上の整数、「０＜κ≦１」）であり、「ｊ」は１以上の整数であり、「λｊ ｗ」はオブジェクト「ｗ」のベクトル成分「ｊ」に対応する固有値であり、「ｎｗ」はオブジェクト「ｗ」の次元数である。）
【００７７】
これはオブジェクト生成ステップの一例を一層具体的に示すものである。このプログラムによれば、固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報からなるオブジェクトを生成するので、オブジェクトの空間の次元数がパターン分布に反映される概念の広がりに対応するように、オブジェクトを生成することができる。
【数４８】
（ここで、「Ｎ」および「κ」は対象とする文書情報集合により実験的に定められるパラメータ（但し、「Ｎ」は１以上の整数、「０＜κ≦１」）であり、「ｊ」は１以上の整数であり、「λｊ ｗ」はオブジェクト「ｗ」のベクトル成分「ｊ」に対応する固有値であり、「ｎｗ」はオブジェクト「ｗ」の次元数である。）
【００７８】
また、請求項２６に記載のプログラムは、請求項２１から２５のいずれか一つに記載のプログラムにおいて、上記オブジェクト間類似度情報算出ステップは、上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、数式４で定義された上記オブジェクト間の類似度情報を算出することを特徴とする。
【数４９】
（数式４において、「Ｌｗ（Ａ，Ｂ）」はオブジェクト「ｗ（Ａ）」とオブジェクト「ｗ（Ｂ）」との間の類似度であり、「λｍａｘ ｗ（Ａ，Ｂ）」は数式６に示す行列成分をもつ数式５に示す行列「Ｘ」の固有値問題を解いて得られる最大固有値であり、数式６において、「φｉ ｗ（Ａ）」、「φｉ ｗ（Ｂ）」はそれぞれ、オブジェクト「ｗ（Ａ）」、オブジェクト「ｗ（Ｂ）」の固有ベクトル情報であり、「ｎｗ（Ｂ）」は、オブジェクト「ｗ（Ｂ）」の次元数である。）
【００７９】
これはオブジェクト間類似度情報算出ステップの一例を一層具体的に示すものである。このプログラムによれば、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出するので、２つのオブジェクト間の類似度を２つの空間がなす角度に基づいて算出することができ、当該類似度の尺度でオブジェクト間の相対関係を定量化し、知識構造化を図ることができる。
【数５０】
（数式４において、「Ｌｗ（Ａ，Ｂ）」はオブジェクト「ｗ（Ａ）」とオブジェクト「ｗ（Ｂ）」との間の類似度であり、「λｍａｘ ｗ（Ａ，Ｂ）」は数式６に示す行列成分をもつ数式５に示す行列「Ｘ」の固有値問題を解いて得られる最大固有値であり、数式６において、「φｉ ｗ（Ａ）」、「φｉ ｗ（Ｂ）」はそれぞれ、オブジェクト「ｗ（Ａ）」、オブジェクト「ｗ（Ｂ）」の固有ベクトル情報であり、「ｎｗ（Ｂ）」は、オブジェクト「ｗ（Ｂ）」の次元数である。）
【００８０】
また、請求項２７に記載のプログラムは、請求項２１から２６のいずれか一つに記載のプログラムにおいて、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書情報集合取得ステップと、上記学習文書情報集合取得ステップにより取得された上記学習文書情報集合の上記学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報に基づいて作成する学習文書ベクトル情報作成ステップと、上記学習文書ベクトル情報作成ステップにより作成された上記学習文書ベクトル情報を用いて上記正規直交変換を行うための正規直交行列を取得する正規直交行列取得ステップと、上記正規直交行列取得ステップにより取得された正規直交行列にて上記文書ベクトル情報を上記正規直交変換し、上記固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換ステップとをさらに含み、上記固有値情報算出ステップは、上記正規直交変換ステップにて変換された上記文書ベクトル情報に基づいて、上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【００８１】
このプログラムによれば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換された文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、単語情報集合の冗長性を除いて処理量を効果的に削減することができる。
【００８２】
また、請求項２８に記載のプログラムは、請求項２７に記載のプログラムにおいて、上記学習文書ベクトル情報作成ステップは、上記学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００８３】
これは学習文書ベクトル情報作成ステップの一例を一層具体的に示すものである。このプログラムによれば、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に学習文書ベクトル情報を作成することができる。
【００８４】
また、請求項２９に記載のプログラムは、請求項２７または２８に記載のプログラムにおいて、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数５１】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００８５】
これは重み情報の一例を一層具体的に示すものである。このプログラムによれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを学習文書ベクトル情報に反映させることができる。
【数５２】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【００８６】
また、請求項３０に記載のプログラムは、請求項２７から２９のいずれか一つに記載のプログラムにおいて、上記正規直交変換ステップは、上記文書ベクトル情報を正規直交変換し、数式８で定義される上記固有値の累積寄与率を基準に次元圧縮した空間に変換することを特徴とする。
【数５３】
（ここで、「Ｎ」は、次元圧縮する前の文書ベクトル情報の次元数であり、「Ｎ’」は、次元圧縮した後の文書ベクトル情報の次元数であり、「ｕｋ」は、正規直交変換における文書ベクトル情報の第「ｋ」成分の固有値である（但し、「１≦ｋ≦Ｎ」。）。）
【００８７】
これは正規直交変換ステップの一例を一層具体的に示すものである。このプログラムによれば、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換するので、効果的に次元圧縮することができる。
【数５４】
（ここで、「Ｎ」は、次元圧縮する前の文書ベクトル情報の次元数であり、「Ｎ’」は、次元圧縮した後の文書ベクトル情報の次元数であり、「ｕｋ」は、正規直交変換における文書ベクトル情報の第「ｋ」成分の固有値である（但し、「１≦ｋ≦Ｎ」。）。）
【００８８】
【発明の実施の形態】
以下に、本発明にかかる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
【００８９】
本発明では、文書を対象にした大規模知識構造化を提案する。そこで、情報検索時の入力に代表されるような要素概念をオブジェクトとして扱うとき、一般にオブジェクト群には相互の関連からもたらされる構造がみられる。
【００９０】
具体的には、情報検索時の入力に代表されるような要素概念をオブジェクトとしてみると、知識はオブジェクト間に存在する類似、相反や因果関係などの相互の関連からなるといえ、一般にオブジェクト群にはその関連からもたらされる構造がみられる。
【００９１】
そして、文書中に共通の概念が記述されている場合、それらの文書を構成する用語群には論理的結合からもたらされる固有の出現パターンがあり、上記概念間の関連は語の出現パターンのマッチングを意味するとみることができる。
【００９２】
そして、本発明では、語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチング（例えば、「前田賢一，渡辺貞一，“局所的構造を導入したパターン・マッチング法”，信学論，Ｖｏｌ．Ｊ６８−Ｄ，Ｎｏ．３，ｐｐ．３４５−３５２，１９８５」参照。）によりオブジェクト間の相対関係が定量化される。
【００９３】
つまり、既存の知識を互いに関連付けることで体系的理解をねらいとする知識の構造化に対し、要素概念であるオブジェクト間の相対関係の定量化により捉える考え方に基づいている。
【００９４】
また、同一オブジェクトに属する文書には、それらを構成する用語群における論理的結合からもたらされる固有の出現パターンがあるという考え方に着目している。
【００９５】
本発明は、「例からの学習」と呼ばれる統計的な機械学習から生成されたオブジェクトに対するパターンマッチングによるものであり、全体のふかんが求められる大規模な知識構造化に効果的なアプローチである。
【００９６】
そして、後述する実施例では、本発明に基づいて、一例として遺伝子、疾患、臓器をオブジェクトとして扱い、全体をふかんした知識の構造化が知識発見に向けて有効であることを、遺伝子機能推定への応用を通して述べる。
【００９７】
［本発明の概要］
以下、本発明の概要について説明し、その後、本発明の構成および処理等について詳細に説明する。図１は本発明の基本原理を示す概念図である。
【００９８】
本発明は、概略的に、以下の基本的特徴を有する。すなわち、本発明は、まず、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、文書情報集合ファイルの所定の領域に格納する（ステップＳ−１）。
【００９９】
ついで、ステップＳ−１にて取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、予め単語情報集合ファイルに格納された、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、文書ベクトル情報ファイルの所定の領域に格納する（ステップＳ−２）。
【０１００】
ここで、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成してもよい。
【０１０１】
また、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であってもよい（例えば、「西尾章治郎，田中克己，上原邦昭，有木康雄，加藤俊一，河野浩之，“情報の構造化と検索”，岩波書店，２０００．」参照。）。
【数５５】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【０１０２】
ついで、ステップＳ−２にて作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、固有値情報ファイルの所定の領域に格納する（ステップＳ−３）。
【０１０３】
ここで、ステップＳ−２にて作成された文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出してもよい。
【数５６】
（ここで、「Ｒｗ」はオブジェクト「ｗ」に関する自己相関行列であり、「Ｍ」は文書ベクトル情報集合の要素数（但し、「Ｍ≧１」、「Ｍ」は整数。）であり、「ｍ」は１からＭの値をとる整数であり、「ｕｗ（ｍ）」はオブジェクト「ｗ」に関するＭ個の文書ベクトル情報集合における文書ベクトル情報識別番号「ｍ」に対応する文書ベクトル情報であり、当該文書ベクトル情報は「（ｕ１，ｕ２，・・・，ｕｋ，・・・，ｕＮ）」で表現され、当該文書ベクトル情報のベクトル成分「ｕｋ」は「ＴＦ（ｕ，ｋ）×ＩＤＦ（ｋ）」であり、「ＴＦ（ｕ，ｋ）」は単語情報識別番号「ｋ」に対応する単語情報の頻度である。）
【０１０４】
ついで、ステップＳ−３にて算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、オブジェクトファイルの所定の領域に格納する（ステップＳ−４）。
【０１０５】
ここで、ステップＳ−３にて算出された固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成してもよい。
【数５７】
（ここで、「Ｎ」および「κ」は対象とする文書情報集合により実験的に定められるパラメータ（但し、「Ｎ」は１以上の整数、「０＜κ≦１」）であり、「ｊ」は１以上の整数であり、「λｊ ｗ」はオブジェクト「ｗ」のベクトル成分「ｊ」に対応する固有値であり、「ｎｗ」はオブジェクト「ｗ」の次元数である。）
【０１０６】
ついで、ステップＳ−４にて生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、オブジェクト間類似度情報ファイルの所定の領域に格納してもよい（ステップＳ−５）。
【０１０７】
ここで、ステップＳ−４にて生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出してもよい（例えば、「前田賢一，渡辺貞一，“局所的構造を導入したパターン・マッチング法”，信学論，Ｖｏｌ．Ｊ６８−Ｄ，Ｎｏ．３，ｐｐ．３４５−３５２，１９８５．」参照。）。
【数５８】
（数式４において、「Ｌｗ（Ａ，Ｂ）」はオブジェクト「ｗ（Ａ）」とオブジェクト「ｗ（Ｂ）」との間の類似度であり、「λｍａｘ ｗ（Ａ，Ｂ）」は数式６に示す行列成分をもつ数式５に示す行列「Ｘ」の固有値問題を解いて得られる最大固有値であり、数式６において、「φｉ ｗ（Ａ）」、「φｉ ｗ（Ｂ）」はそれぞれ、オブジェクト「ｗ（Ａ）」、オブジェクト「ｗ（Ｂ）」の固有ベクトル情報であり、「ｎｗ（Ｂ）」は、オブジェクト「ｗ（Ｂ）」の次元数である。）
【０１０８】
これにより、数式４で定義される類似度の尺度でオブジェクト間の相対関係が定量化され、知識構造化を図ることができる。
【０１０９】
ここで、当該定量化において、事前に、カテゴリが定義されている場合において、固有ベクトルからの部分空間を用いて入力パターンの属するカテゴリを判定するパターン認識手法は部分空間類別法（例えば、「エルッキ・オヤ，“パターン認識と部分空間法”，産業図書，１９８６．」参照。）と呼ばれ、音声や文字の認識をはじめ、文書の分類への適用例（例えば、「松永務，“部分空間類別法を適用した文書のフィルタリング手法の検討”，信学論，Ｖｏｌ．Ｊ８１−Ｄ−ＩＩ，Ｎｏ．１，ｐｐ．５４−６３，１９９８．」参照。）が知られている。
【０１１０】
また、入力パターンの変動も部分空間で記述し、カテゴリ判定の基準に２つの空間のなす角度から定義された類似度を用いる拡張された手法は相互部分空間法（例えば、「前田賢一，渡辺貞一，“局所的構造を導入したパターン・マッチング法”，信学論，Ｖｏｌ．Ｊ６８−Ｄ，Ｎｏ．３，ｐｐ．３４５−３５２，１９８５．」参照。）と呼ばれ、複数の顔画像によるロバストな人物同定の応用例（例えば、「山田修，福井和広，前田賢一，“動画像を用いた顔認識システム”，信学技報，ＰＲＭＵ９７−５０，１９９７．」参照。）が知られている。
【０１１１】
さらに、ステップＳ−５により特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定し、推定結果を推定結果ファイルに格納する（ステップＳ−６）。
【０１１２】
ここで、単語情報集合の冗長性を除いて処理量を削減する目的から学習文書情報集合を用いた正規直交変換を施し、固有値情報の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【０１１３】
具体的には、例えば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【０１１４】
また、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成してもよい。
【０１１５】
また、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であってもよい（例えば、「西尾章治郎，田中克己，上原邦昭，有木康雄，加藤俊一，河野浩之，“情報の構造化と検索”，岩波書店，２０００．」参照。）。
【数５９】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【０１１６】
また、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【数６０】
（ここで、「Ｎ」は、次元圧縮する前の文書ベクトル情報の次元数であり、「Ｎ’」は、次元圧縮した後の文書ベクトル情報の次元数であり、「ｕｋ」は、正規直交変換における文書ベクトル情報の第「ｋ」成分の固有値である（但し、「１≦ｋ≦Ｎ」。）。）
【０１１７】
［システム構成］
まず、本システムの構成について説明する。図２は、本発明が適用される本システムの構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
【０１１８】
本システムは、概略的に、遺伝子機能推定装置１００と、遺伝子情報等に関する外部データベースや各種の外部プログラム等を提供する外部システム２００とを、ネットワーク３００を介して通信可能に接続して構成されている。
【０１１９】
図２において、ネットワーク３００は、遺伝子機能推定装置１００と外部システム２００とを相互に接続する機能を有し、例えば、インターネット等である。
【０１２０】
図２において、外部システム２００は、ネットワーク３００を介して、遺伝子機能推定装置１００と相互に接続され、利用者に対して遺伝子情報等に関する外部データベースや各種の外部プログラムを実行するウェブサイトを提供する機能を有する。
【０１２１】
ここで、外部システム２００は、ＷＥＢサーバやＡＳＰサーバ等として構成してもよく、そのハードウェア構成は、一般に市販されるワークステーション、パーソナルコンピュータ等の情報処理装置およびその付属装置により構成してもよい。また、外部システム２００の各機能は、外部システム２００のハードウェア構成中のＣＰＵ、ディスク装置、メモリ装置、入力装置、出力装置、通信制御装置等およびそれらを制御するプログラム等により実現される。
【０１２２】
図２において、遺伝子機能推定装置１００は、概略的に、遺伝子機能推定装置１００の全体を統括的に制御するＣＰＵ等の制御部１０２、通信回線等に接続されるルータ等の通信装置（図示せず）に接続される通信制御インターフェース部１０４、入力装置１１２や出力装置１１４に接続される入出力制御インターフェース部１０８、および、各種のデータベースやファイルなどを格納する記憶部１０６を備えて構成されており、これら各部は任意の通信路を介して通信可能に接続されている。さらに、この遺伝子機能推定装置１００は、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して、ネットワーク３００に通信可能に接続されている。
【０１２３】
図２の記憶部１０６に格納される各種のデータベースやテーブルやファイル（文書情報集合ファイル１０６ａ〜推定結果ファイル１０６ｋ）は、固定ディスク装置等のストレージ手段であり、各種処理に用いる各種のプログラムやテーブルやファイルやデータベースやウェブページ用ファイル等を格納する。
【０１２４】
これら記憶部１０６の各構成要素のうち、文書情報集合ファイル１０６ａは、後述する文書情報集合取得部１０２ａにより取得された、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を格納する文書情報集合格納手段である。
【０１２５】
この文書情報集合ファイル１０６ａに格納される情報は、文書情報で構成されている。
【０１２６】
また、単語情報集合ファイル１０６ｂは、定められた単語情報集合を格納する単語情報集合格納手段である。
【０１２７】
この単語情報集合ファイル１０６ｂに格納される情報は、単語情報で構成されている。
【０１２８】
また、文書ベクトル情報ファイル１０６ｃは、後述する文書ベクトル情報作成部１０２ｂにより、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成された、文書情報集合の文書情報をベクトルで表現した文書ベクトル情報を格納する文書ベクトル情報格納手段である。
【０１２９】
この文書ベクトル情報ファイル１０６ｃに格納される情報は、文書ベクトル情報で構成されている。
【０１３０】
また、固有値情報ファイル１０６ｄは、後述する固有値情報算出部１０２ｃにより、文書ベクトル情報に基づいて文書ベクトル情報の自己相関行列のＫＬ展開から算出された固有値情報を格納する固有値情報格納手段である。
【０１３１】
この固有値情報ファイル１０６ｄに格納される情報は、固有値情報で構成されている。
【０１３２】
また、オブジェクトファイル１０６ｅは、後述するオブジェクト生成部１０２ｄにより、算出された固有値情報に対応する固有ベクトル情報に基づいて生成された固有ベクトル情報を基底とする空間により導出されるオブジェクトを格納するオブジェクト格納手段である。
【０１３３】
このオブジェクトファイル１０６ｅに格納される情報は、オブジェクトの固有値情報と、当該固有値情報に対応する固有ベクトル情報と、オブジェクトの次元数と、対象とする文書情報集合により実験的に定められたパラメータ「κ」とを相互に関連付けて構成されている。
【０１３４】
また、オブジェクト間類似度情報ファイル１０６ｆは、後述するオブジェクト間類似度情報算出部１０２ｅにより、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて算出されたオブジェクト間の類似度情報を格納するオブジェクト間類似度情報格納手段である。
【０１３５】
このオブジェクト間類似度情報ファイル１０６ｆに格納される情報は、類似度情報算出の対象となるオブジェクトの識別情報と、類似度情報とを相互に関連付けて構成されている。
【０１３６】
また、学習文書集合ファイル１０６ｇは、後述する学習文書集合取得部１０２ｆにより取得された、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を格納する学習文書集合格納手段である。
【０１３７】
この学習文書集合ファイル１０６ｇに格納される情報は、学習文書で構成されている。
【０１３８】
また、学習文書ベクトル情報ファイル１０６ｈは、後述する学習文書ベクトル情報作成部１０２ｇにより、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成された、学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を格納する学習文書ベクトル情報格納手段である。
【０１３９】
この学習文書ベクトル情報ファイル１０６ｈに格納される情報は、学習文書ベクトル情報で構成されている。
【０１４０】
また、正規直交行列ファイル１０６ｉは、後述する正規直交行列取得部１０２ｈにより取得された、学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を格納する正規直交行列格納手段である。
【０１４１】
この正規直交行列ファイル１０６ｉに格納される情報は、正規直交行列で構成されている。
【０１４２】
また、変換文書ベクトル情報ファイル１０６ｊは、後述する正規直交変換部１０２ｉにより、正規直交行列にて正規直交変換され、固有値の累積寄与率を基準に次元圧縮した空間に変換された文書ベクトル情報を格納する変換文書ベクトル情報格納手段である。
【０１４３】
この変換文書ベクトル情報ファイル１０６ｊに格納される情報は、変換された文書ベクトル情報で構成されている。
【０１４４】
また、推定結果ファイル１０６ｋは、後述する遺伝子機能推定部１０２ｊにより、後述するオブジェクト間類似度情報算出部１０２ｅにより特定の遺伝子に対応する上記オブジェクトと任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、推定された当該特定の遺伝子の機能に関する推定結果情報を格納する推定結果格納手段である。
【０１４５】
この推定結果ファイル１０６ｋに格納される情報は、推定された当該特定の遺伝子の機能に関する推定結果情報で構成されている。
【０１４６】
また、図２において、通信制御インターフェース部１０４は、遺伝子機能推定装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信制御を行う。すなわち、通信制御インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。
【０１４７】
また、図２において、入出力制御インターフェース部１０８は、入力装置１１２や出力装置１１４の制御を行う。ここで、出力装置１１４としては、モニタ（家庭用テレビを含む）の他、スピーカ等を用いることができる（なお、以下においては出力装置１１４をモニタとして記載する場合がある）。また、入力装置１１２としては、キーボード、マウス、および、マイク等を用いることができる。また、モニタも、マウスと協働してポインティングデバイス機能を実現する。
【０１４８】
また、図２において、制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム、各種の処理手順等を規定したプログラム、および所要データを格納するための内部メモリを有し、これらのプログラム等により、種々の処理を実行するための情報処理を行う。制御部１０２は、機能概念的に、文書情報集合取得部１０２ａ、文書ベクトル情報作成部１０２ｂ、固有値情報算出部１０２ｃ、オブジェクト生成部１０２ｄ、オブジェクト間類似度情報算出部１０２ｅ、学習文書集合取得部１０２ｆ、学習文書ベクトル情報作成部１０２ｇ、正規直交行列取得部１０２ｈ、正規直交変換部１０２ｉ、遺伝子機能推定部１０２ｊを含んで構成されている。
【０１４９】
このうち、文書情報集合取得部１０２ａは、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得手段である。
【０１５０】
また、文書ベクトル情報作成部１０２ｂは、文書情報集合の文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成手段である。
【０１５１】
また、固有値情報算出部１０２ｃは、文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出手段である。
【０１５２】
また、オブジェクト生成部１０２ｄは、固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成するオブジェクト生成手段である。
【０１５３】
また、オブジェクト間類似度情報算出部１０２ｅは、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出手段である。
【０１５４】
また、学習文書集合取得部１０２ｆは、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書集合取得手段である。
【０１５５】
また、学習文書ベクトル情報作成部１０２ｇは、学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する学習文書ベクトル情報作成手段である。
【０１５６】
また、正規直交行列取得部１０２ｈは、学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得する正規直交行列取得手段である。
【０１５７】
また、正規直交変換部１０２ｉは、正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換手段である。
【０１５８】
また、遺伝子機能推定部１０２ｊは、オブジェクト間類似度情報算出部１０２ｅにより特定の遺伝子に対応するオブジェクトと任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定手段である。
【０１５９】
なお、これら各部によって行われる処理の詳細については、後述する。
【０１６０】
［システムの処理］
次に、このように構成された本実施の形態における本システムの処理の一例について、以下に図３および図４等を参照して詳細に説明する。
【０１６１】
（メイン処理）
ここでは、遺伝子機能推定装置１００にて行われるメイン処理について、図３等を参照して詳細に説明する。
【０１６２】
まず、遺伝子機能推定装置１００は、文書情報集合取得部１０２ａの処理により、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、文書情報集合ファイル１０６ａの所定の領域に格納する（ステップＳＡ−１）。
【０１６３】
ついで、遺伝子機能推定装置１００は、文書ベクトル情報作成部１０２ｂの処理により、ステップＳＡ−１にて取得された文書情報集合の文書情報をベクトルで表現した文書ベクトル情報を、予め単語情報集合ファイル１０６ｂに格納された、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、文書ベクトル情報ファイル１０６ｃの所定の領域に格納する（ステップＳＡ−２）。
【０１６４】
ここで、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成してもよい。
【０１６５】
また、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であってもよい（例えば、「西尾章治郎，田中克己，上原邦昭，有木康雄，加藤俊一，河野浩之，“情報の構造化と検索”，岩波書店，２０００．」参照。）。
【数６１】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【０１６６】
ついで、遺伝子機能推定装置１００は、固有値情報算出部１０２ｃの処理により、ステップＳＡ−２にて作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、固有値情報ファイル１０６ｄの所定の領域に格納する（ステップＳＡ−３）。
【０１６７】
ここで、ステップＳＡ−２にて作成された文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出してもよい。
【数６２】
（ここで、「Ｒｗ」はオブジェクト「ｗ」に関する自己相関行列であり、「Ｍ」は文書ベクトル情報集合の要素数（但し、「Ｍ≧１」、「Ｍ」は整数。）であり、「ｍ」は１からＭの値をとる整数であり、「ｕｗ（ｍ）」はオブジェクト「ｗ」に関するＭ個の文書ベクトル情報集合における文書ベクトル情報識別番号「ｍ」に対応する文書ベクトル情報であり、当該文書ベクトル情報は「（ｕ１，ｕ２，・・・，ｕｋ，・・・，ｕＮ）」で表現され、当該文書ベクトル情報のベクトル成分「ｕｋ」は「ＴＦ（ｕ，ｋ）×ＩＤＦ（ｋ）」であり、「ＴＦ（ｕ，ｋ）」は単語情報識別番号「ｋ」に対応する単語情報の頻度である。）
【０１６８】
ついで、遺伝子機能推定装置１００は、オブジェクト生成部１０２ｄの処理により、ステップＳＡ−３にて算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、オブジェクトファイル１０６ｅの所定の領域に格納する（ステップＳＡ−４）。
【０１６９】
ここで、ステップＳＡ−３にて算出された固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成してもよい。
【数６３】
（ここで、「Ｎ」および「κ」は対象とする文書情報集合により実験的に定められるパラメータ（但し、「Ｎ」は１以上の整数、「０＜κ≦１」）であり、「ｊ」は１以上の整数であり、「λｊ ｗ」はオブジェクト「ｗ」のベクトル成分「ｊ」に対応する固有値であり、「ｎｗ」はオブジェクト「ｗ」の次元数である。）
【０１７０】
ついで、遺伝子機能推定装置１００は、オブジェクト間類似度情報算出部１０２ｅの処理により、ステップＳＡ−４にて生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、オブジェクト間類似度情報ファイル１０６ｆの所定の領域に格納する（ステップＳＡ−５）。
【０１７１】
ここで、ステップＳＡ−４にて生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出してもよい（例えば、「前田賢一，渡辺貞一，“局所的構造を導入したパターン・マッチング法”，信学論，Ｖｏｌ．Ｊ６８−Ｄ，Ｎｏ．３，ｐｐ．３４５−３５２，１９８５．」参照。）。
【数６４】
（数式４において、「Ｌｗ（Ａ，Ｂ）」はオブジェクト「ｗ（Ａ）」とオブジェクト「ｗ（Ｂ）」との間の類似度であり、「λｍａｘ ｗ（Ａ，Ｂ）」は数式６に示す行列成分をもつ数式５に示す行列「Ｘ」の固有値問題を解いて得られる最大固有値であり、数式６において、「φｉ ｗ（Ａ）」、「φｉ ｗ（Ｂ）」はそれぞれ、オブジェクト「ｗ（Ａ）」、オブジェクト「ｗ（Ｂ）」の固有ベクトル情報であり、「ｎｗ（Ｂ）」は、オブジェクト「ｗ（Ｂ）」の次元数である。）
【０１７２】
これにより、数式４で定義される類似度の尺度でオブジェクト間の相対関係が定量化され、知識構造化を図ることができる。
【０１７３】
さらに、遺伝子機能推定装置１００は、遺伝子機能推定部１０２ｊの処理により、ステップＳＡ−５により特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定し、推定結果を推定結果ファイル１０６ｋの所定の領域に格納する（ステップＳＡ−６）。
【０１７４】
ここで、単語情報集合の冗長性を除いて処理量を削減する目的から学習文書情報集合を用いた正規直交変換を施し、固有値情報の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【０１７５】
具体的には、例えば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【０１７６】
（次元圧縮処理）
ここで、学習文書情報集合取得部１０２ｆから正規直交変換部１０２ｉにて行われる次元圧縮処理について、図４を参照して詳細に説明する。図４は、本実施形態における本システムの次元圧縮処理の一例を示すフローチャートである。
【０１７７】
まず、遺伝子機能推定装置１００は、学習文書情報集合取得部１０２ｆの処理により、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、学習文書情報ファイル１０６ｇの所定に領域に格納する（ステップＳＢ−１）。
【０１７８】
ついで、遺伝子機能推定装置１００は、学習文書ベクトル情報作成部１０２ｇの処理により、ステップＳＢ−１にて取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、学習文書ベクトル情報ファイル１０６ｈの所定に領域に格納する（ステップＳＢ−２）。
【０１７９】
ここで、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成してもよい。
【０１８０】
また、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であってもよい（例えば、「西尾章治郎，田中克己，上原邦昭，有木康雄，加藤俊一，河野浩之，“情報の構造化と検索”，岩波書店，２０００．」参照。）。
【数６５】
（ここで、「ｋ」は１からＮの値をとる整数であり、「Ｎ」は単語情報集合の要素数である（但し、「Ｎ≧１」、「Ｎ」は整数。）。）
【０１８１】
ついで、遺伝子機能推定装置１００は、正規直交行列取得部１０２ｈの処理により、ステップＳＢ−２にて作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、正規直交行列ファイル１０６ｉの所定の領域に格納する（ステップＳＢ−３）。
【０１８２】
ついで、遺伝子機能推定装置１００は、正規直交変換部１０２ｉの処理により、ステップＳＢ−３にて取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換文書ベクトル情報ファイル１０６ｊの所定の領域に格納する（ステップＳＢ−４）。
【０１８３】
ここで、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【数６６】
（ここで、「Ｎ」は、次元圧縮する前の文書ベクトル情報の次元数であり、「Ｎ’」は、次元圧縮した後の文書ベクトル情報の次元数であり、「ｕｋ」は、正規直交変換における文書ベクトル情報の第「ｋ」成分の固有値である（但し、「１≦ｋ≦Ｎ」。）。）
【０１８４】
これにて、次元圧縮処理が終了する。
【０１８５】
以上、メイン処理が終了する。
【０１８６】
［実施例］
次に、本発明の実施例について、図５から図１５等を参照して詳細に説明する。
【０１８７】
本実施例においては、全体をふかんした知識発見に対する顕著なニーズのあるライフサイエンス分野（例えば、「“２１世紀の医療・福祉を支える科学技術特集／５．ゲノム情報とその利用”，信学誌，Ｖｏｌ．８４，Ｎｏ．５，ｐｐ．３４１−３６７，２００１．」、「森下真一，久光徹，高木利久，“特集ゲノム情報科学”，情報処理，Ｖｏｌ．４３，Ｎｏ．１，ｐｐ．１−４１，２００２．」参照。）に本発明を適用し、遺伝子機能解析への応用について述べる。
【０１８８】
具体的には、遺伝子と疾患との関連に相当する疾患関連遺伝子抽出をはじめ、臓器に関する知識と融合させた遺伝子機能推定に関する実験結果から本発明の有効性を示す。
【０１８９】
また、本実施例のねらいは、これまで膨大で広範囲な情報量から困難とされていた遺伝子の知識の構造化が本発明の適用により実現され、遺伝子の機能推定につながる点を示すことにある。
【０１９０】
（１．実験に用いるデータ）
ヒトの遺伝病に関するデータベースとしてよく知られる「ＯＭＩＭ（Ｏｎｌｉｎｅ ＭｅｎｄｅｌｉａｎＩｎｈｅｒｉｔａｎｃｅ ｉｎ Ｍａｎ）（例えば、「Ａ．Ｈａｍｏｓｈ ｅｔ ａｌ．，“Ｏｎｌｉｎｅ Ｍｅｎｄｅｌｉａｎ Ｉｎｈｅｒｉｔａｎｃｅ ｉｎ Ｍａｎ（ＯＭＩＭ）”，Ｈｕｍ．Ｍｕｔａｔ．，ｖｏｌ．１５，Ｎｏ．１，ｐｐ５７−６１，２０００．」参照。）」を本実験では用いる。
【０１９１】
ここで、「ＯＭＩＭ」は、疾患や遺伝子の単位で番号が付与され、文献データベース「ＰｕｂＭｅｄ（例えば、ＰｕｂＭｅｄホームページ「ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｅｎｔｒｅｚ／ｑｕｅｒｙ．ｆｃｇｉ？ｄｂ＝ＰｕｂＭｅｄ」参照。）」へリンクされた論文の引用と共に疾患や遺伝子について記述されたページからなっている。
【０１９２】
なお、遺伝子や疾患はその引用の論文を通して知られることから、「ＰｕｂＭｅｄ」の各論文を文書情報（本実施形態における文書情報集合ファイル１０６ａに格納される文書情報に対応）と扱ってオブジェクトを生成した（本実施形態におけるオブジェクト生成部１０２ｄに対応）。また、遺伝子のオブジェクトは「ＯＭＩＭ」における全１３７２２件（２００１年１２月時点）のうちの遺伝子名が得られる１０００１件を対象にした。
【０１９３】
本実験では上述のリンクの「ＰｕｂＭｅｄ」の論文の全７７６３８件を学習文書情報集合（本実施形態における学習文書情報集合ファイル１０６ｇに格納される学習文書情報の集合に対応）にし、文書のベクトル表現のための単語情報集合（本実施形態における単語情報集合ファイル１０６ｂに格納される単語情報の集合に対応）にはライフサイエンス分野でよく用いられる４７８９語を用いた。
【０１９４】
ここで、単語情報集合の語の選択は類似度情報の精度、サイズは処理量、即ち速度に直接影響を与える。本発明は複数の語の間で形成される出現パターンに基づくものであり、当該分野でよく用いられる語から選択されるのが適当である。
【０１９５】
ここには、文書情報群における語の出現数順位が下がるほど急激に出現数が減少するという「ジップの法則」がある。本実験の４７８９語は、分子生物学をはじめ、病理学、生化学、遺伝学等において分野横断的に用いられている観点から収集した約６千語に対し、本文で述べられている「ＰｕｂＭｅｄ」の論文７７６３８件に含まれる語を基準にして得た。
【０１９６】
ここでは、要素概念を記述するために必要最低限に語を対象とする考え方から遺伝子やタンパク質の名称は含まれていない。なお、当該遺伝子やタンパク質の名称を対象に取り入れてもよい。
【０１９７】
図５は、学習文書情報集合における頻度上位２５による語の例を示す図である。
【０１９８】
ここで、図５において、論文のタイトル部では「１０」、アブストラクト部では「５」の重み（本実施形態における「重み情報」に対応）で各語の出現頻度（本実施形態における「出現頻度情報」に対応）が計算されている。
【０１９９】
また、図５には各語の最大７７６３８件のうちの出現件数とこれより算出される「ＩＤＦ値（本実施形態における「重み情報」に対応）」もあわせて示されている。
【０２００】
図６は、「ＰｕｂＭｅｄ」のＩＤが「８６６１０１９」の論文（論文タイトルは、「Ｇｅｎｏｍｉｃ ｏｒｇａｎｉｚａｔｉｏｎ ｏｆ ｔｈｅ ｈｕｍａｎＳＣＮ５Ａ ｇｅｎｅ ｅｎｃｏｄｉｎｇ ｔｈｅ ｃａｒｄｉａｃ ｇｏｄｉｕｍ ｃｈａｎｎｅｌ．」）を用いた語の抽出例を示す図である。
【０２０１】
図６における頻度の欄の２つの数字は、左がタイトル、右がアブストラクトの中の頻度である。図の通り、「ａｃｔｉｏｎ ｐｏｔｅｎｔｉａｌ」のように複数単語による語が抽出される他、「ＰＣＲ」のような略語や単数／複数の語形変化についても考慮されたものとなっている。学習文書集合７７６３８件における抽出語数の平均は「１２．７」である。
【０２０２】
ここで、予備実験から圧縮次元数「Ｎ’」を「３１０（固有値の累積寄与率５０％に相当）」に定めた。ここに、「κ＝０．８６」では遺伝子オブジェクトの次元数「ｎｗ」の平均は「２．５」（遺伝子オブジェクトの次元数の最大は遺伝子名「ＦＭＲ１（「ＯＭＩＭ」の番号「３０９５５０」）」において「２９」）となる。
【０２０３】
（２．疾患関連遺伝子の抽出）
ここでは、高血圧を疾患の例に疾患関連遺伝子抽出の実験結果について述べ、本発明の適用の有効性を定量的に示す。疾患関連遺伝子の抽出は、疾患のオブジェクトと遺伝子のオブジェクトとの類似度を降順に序列化することで実現される。
【０２０４】
高血圧の疾患が記述される「ＯＭＩＭ」の番号「１４５５００」のページの引用論文から高血圧のオブジェクトを生成した（本実施形態におけるオブジェクト生成部１０２ｄに対応）（例えば、「三木哲郎，“高血圧遺伝子解析プロジェクト”，遺伝子医学，Ｖｏｌ．５，Ｎｏ．４，ｐｐ．１２６−１３０，２００１．」参照。）。ここに「κ＝０．８６」とし、高血圧のオブジェクトの次元数は「８」である。
【０２０５】
図７および図８はそれぞれ、「ＧｅｎｅＣａｒｄｓ（例えば、「Ｍ．Ｒｅｂｈａｎ ｅｔ ａｌ．，“ＧｅｎｅＣａｒｄｓ： ａ ｎｏｖｅｌ ｆｕｎｃｔｉｏｎａｌ ｇｅｎｏｍｉｃｓ ｃｏｍｐｅｎｄｉｕｍ ｗｉｔｈ ａｕｔｏｍａｔｅｄ ｄａｔａ ｍｉｎｉｎｇ ａｎｄ ｑｕｅｒｙ ｒｅｆｏｒｍｕｌａｔｉｏｎ ｓｕｐｐｏｒｔ”，Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ，１４，ｐｐ６５６−６６４，１９９８．」参照。）」および「高血圧候補遺伝子リスト（例えば、「ＭＫ．Ｈａｌｕｓｈｋａ ｅｔ ａｌ．，“ＧＩＳＴ： Ａ ｗｅｂ ｔｏｏｌ ｆｏｒ ｃｏｌｌｅｃｔｉｎｇ ｇｅｎｅ ｉｎｆｏｒｍａｔｉｏｎ”，Ｐｈｙｓｉｏｌ．Ｇｅｎｏｍｉｃｓ，ｖｏｌ．１，Ｎｏ．２，ｐｐ７５−８１，１９９９．」参照。）」による関連遺伝子に関する再現率、適合率の変動であり、１０００１遺伝子からの抽出精度を示している。
【０２０６】
ここで、「ＧｅｎｅＣａｒｄｓ」は、遺伝子情報ポータルとしてよく知られている。なお、「ｈｙｐｅｒｔｅｎｔｉｏｎ」の検索語で得られる５２件（２００１年１２月時点）のうち、「ＯＭＩＭ」の番号のあるものは３９件あり、関連遺伝子とした。
【０２０７】
また、「高血圧候補遺伝子リスト」の方は挙げられている１５０のうちの「ＯＭＩＭ」の番号のある１４７を関連遺伝子としている。なお、両者に重複する遺伝子に１６件が含まれている。
【０２０８】
また、再現率（ｒｅｃａｌｌ）および適合率（ｐｒｅｃｉｓｉｏｎ）は情報検索でよく用いられる評価尺度で次式でそれぞれ定義されている（例えば、「長尾真，“自然言語処理”，岩波書店，１９９６．」参照。）。
【０２０９】
具体的には、「再現率Ｒ＝抽出された文書中の該当文書の数／全文書中の該当文書の数」、「適合率Ｐ＝抽出された文書中の該当文書の数／抽出された文書の数」で定義される。
【０２１０】
図７と図８のいずれも上位に関連遺伝子が挙げられていることがわかる。ここで、抽出遺伝子数を増やしても再現率があまり伸びない傾向がみられるが、これは再現率１００％になる最小の抽出遺伝子数が「ＧｅｎｅＣａｒｄｓ」および「高血圧候補遺伝子リスト」でそれぞれ、「７５２９」および「９２４９」であり、オブジェクト生成に用いた「ＯＭＩＭ」からの引用論文では必ずしも十分ではないことが一因に考えられる。
【０２１１】
しかし、高血圧の１４５５００のページで引用される２３遺伝子に関しては、抽出遺伝子数「１０」、「２０」、「５０」、「１００」、「１０００」および「５０００」に対して順に、「８」、「１３」、「１７」、「１８」、「２１」および「２２」の該当遺伝子数となり、高いレベルの抽出精度が得られることから疾患や遺伝子はオブジェクトとして適切に表現されていると判断される。
【０２１２】
図９に上位２０の抽出遺伝子を示す。図には各遺伝子の「ＯＭＩＭ」本文のページの中の「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語の頻度、並びに「ＧｅｎｅＣａｒｄｓ」および「高血圧候補遺伝子リスト」で高血圧に関連するとされる遺伝子がそれぞれ、「Ｈ」および「ｈ」の印によりあわせて示されている。
【０２１３】
図９をみると、「ＯＭＩＭ」本文中に「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語の含まれた言及により関連が認められるものが上位に挙げられており，抽出結果の妥当性が確認できる。
【０２１４】
なお、図９において、（１．実験に用いるデータ）で述べたように引用の論文をオブジェクト生成に用いており、「ＯＭＩＭ」本文は用いられていない。
【０２１５】
ここで、例えば「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語の含まれない第１４位の遺伝子「ＳＬＣ１２Ａ３」では「ｈｉｇｈ ｂｌｏｏｄ ｐｒｅｓｓｕｒｅ」の語で「ＯＭＩＭ」本文に高血圧関連遺伝子の記述がある。
【０２１６】
なお、「ＳＬＣ１２Ａ３」は高血圧治療につながる利尿薬のターゲットとなる伝達物質に関する遺伝子であるとされている。
【０２１７】
また、「ＯＭＩＭ」本文中に「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語がないだけでなく、「Ｈ」および「ｈ」の印もない第１８位の遺伝子「ＨＯＭＧ２」でも一般に高血圧との関連が知られている。
【０２１８】
なお、「ＨＯＭＧ２」は低マグネシウム血症に関する遺伝子であり、低マグネシウム血症は心筋梗塞症、高血圧、うっ血性心不全のような心臓血管の問題と関係があるとされている（例えば、「医学大辞典、南山堂、１９９８」参照。）。
【０２１９】
従って、図９の２０遺伝子は全て、「ＯＭＩＭ」本文中の「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語、「Ｈ」および「ｈ」の印の３つの点のいずれかで関連が見込まれ、妥当性が認められる。本発明により有効な結果が得られることがわかる。
【０２２０】
（３．遺伝子知識の構造化）
ここでは、遺伝子オブジェクトを用い、遺伝子知識の構造化に関する実験について述べる。知識の関連付けにより全体像の体系的理解に伴う知識発見につながることを、実験結果を通して示す。
【０２２１】
まず、アルツハイマー病、糖尿病および高血圧に関連する遺伝子に着目し、「ＧｅｎｅＣａｒｄｓ」から関連するとされる遺伝子としてそれぞれ「５６」、「９４」、「３９」の計１８５を対象の遺伝子とした。
【０２２２】
ここで、アルツハイマー病および糖尿病の関連遺伝子は、「ＧｅｎｅＣａｒｄｓ」においてそれぞれ、「Ａｌｚｈｅｉｍｅｒ」および「ｄｉａｂｅｔｅｓ」の検索語から（２．疾患関連遺伝子の抽出）に述べた高血圧と同様にして得た。そして、３つの疾患で関連の重複する遺伝子が４つ含まれている。
【０２２３】
図１０と図１１は、「κ＝０．５１」としたときの全ての組合せの遺伝子間の類似度から遺伝子間の相対関係を２次元平面上に近似して示した図である。多次元尺度法（例えば、「林知己夫，飽戸弘，“多次元尺度解析法”，サイエンス社，１９７６．」参照。）により、遺伝子間の類似度の値が大きいほど２次元平面上で近く布置されている。
【０２２４】
図１０ではアルツハイマー病、糖尿病および高血圧に関連する各遺伝子がそれぞれ、「Ａ」、「Ｄ」および「Ｈ」のマーク（アルツハイマー病および糖尿病、糖尿病および高血圧に関連する遺伝子はそれぞれ、「Ａ／Ｄ」、「Ｄ／Ｈ」のマークとした。）でプロットされている。
【０２２５】
図１０をみるとアルツハイマー病関連遺伝子は図の右上、糖尿病は下、高血圧は左上を中心にした分布になっており、対象にした３つの疾患と結び付いた構造が認められる。
【０２２６】
このことから、対象としてアルツハイマー病、糖尿病および高血圧からのそれぞれの関連遺伝子を基準に選択したことを考えると、その疾患毎に計３つのまとまりをもつことは妥当と判断できる。
【０２２７】
また，肥満のオブジェクトを新たに生成し、上記３疾患の代わりに肥満との類似度の大小を「Ｏ」のマークの大小でプロットしたのが図１１である。
【０２２８】
ここで、高血圧と同様、肥満が記述される「ＯＭＩＭ」の番号「６０１６６５」のページの引用論文から肥満のオブジェクトを生成した（本実施形態におけるオブジェクト生成部１０２ｄに対応）。また、「κ」を「０．８６」にしたときの肥満のオブジェクトの次元数「５」による類似度（本実施形態におけるオブジェクト間類似度情報算出部１０２ｅにより算出された類似度情報に対応）を用いた。
【０２２９】
図１１からわかるように、下からやや左にかけた位置の遺伝子に肥満との関連の構造が認められる。従って、同じ２次元平面上の遺伝子の分布が３疾患との関連と肥満との関連のそれぞれの構造の記述を果たしているということができる。
【０２３０】
そして、その両者の対比による知識発見として、糖尿病と高血圧の一部の関連遺伝子に肥満との結びつきが挙げられ、妥当性が認められる。
【０２３１】
なお、糖尿病や高血圧の肥満との関連は医学的に知られている（例えば、「佐々木博巳，“バイオ研究イラストマップ”，羊土社，２００１．」参照）。
【０２３２】
ここに、「ＯＭＩＭ」には含まれない遺伝子についてもその遺伝子を記述した文書群を通してオブジェクトを生成し、図１０や図１１に付加する形でプロットすることで３疾患や肥満との関連を把握することが可能である。このように遺伝子知識の構造化は、機能が未知の遺伝子に対する推定へつながる。
【０２３３】
つまり、遺伝子間の関係についてはこれまで遺伝子名の論文中の共起頻度に基づく網羅的な検討（例えば、「Ｔ．Ｊｅｎｓｓｅｎ ｅｔ ａｌ．，“Ａｌｉｔｅｒａｔｕｒｅ ｎｅｔｗｏｒｋ ｏｆ ｈｕｍａｎ ｇｅｎｅｓ ｆｏｒ ｈｉｇｈ−ｔｈｒｏｕｇｈｐｕｔ ａｎａｌｙｓｉｓ ｏｆ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ”，Ｎａｔ． Ｇｅｎｅｔ．， ｖｏｌ．２８，Ｎｏ．５，ｐｐ２１−２８，２００１．」参照。）が報告され、その結果が広く活用されているが、本発明によれば、より高次の定量化を実現すると共に、肥満の例のような他の概念との関連と適宜あわせて示されることが特筆すべき点である。
【０２３４】
（４．遺伝子と臓器の知識の横断的融合）
ここでは、本発明の語で表現される概念への適用性を予備的に検証した上で、遺伝子と臓器を例に知識の横断的融合に関する実験について述べる。
【０２３５】
ここで、遺伝子の機能は遺伝子産物が担う機能、遺伝子産物のネットワークが担う機能、遺伝子の発現場所で定められるとされ（例えば、「Ｍ．Ａｓｈｂｕｒｎｅｒ ｅｔ ａｌ．，“Ｇｅｎｅ ｏｎｔｏｌｏｇｙ：ｔｏｏｌ ｆｏｒ ｔｈｅ ｕｎｉｆｉｃａｔｉｏｎ ｏｆ ｂｉｏｌｏｇｙ”，Ｎａｔ． Ｇｅｎｅｔ．， ｖｏｌ．２５，Ｎｏ．１，ｐｐ２５−２９，２０００．」参照。）、臓器は第３点目に着目したものである。
【０２３６】
図１２は予備実験で取り上げるオブジェクトで（３．遺伝子知識の構造化）のアルツハイマー病（Ａｌｚｈｅｉｍｅｒｄｉｓｅａｓｅ）、糖尿病（ｄｉａｂｅｔｅｓ ｍｅｌｌｉｔｕｓ）および高血圧（ｈｙｐｅｒｔｅｎｓｉｏｎ）の３疾患に、糖尿病に医学的に関連（例えば、「佐々木博巳，“バイオ研究イラストマップ”，羊土社，２００１．」参照。）が知られるインスリン（ｉｎｓｕｌｉｎ）、グルコキナーゼ（ｇｌｕｃｏｋｉｎａｓｅ）と高血圧に関連の知られる副腎皮質刺激ホルモン（ｃｏｒｔｉｃｏｔｒｏｐｉｎ）、アルドステロン（ａｌｄｏｓｔｅｒｏｎｅ）を加えた計７つを生成した。
【０２３７】
ただし、ここでの実験では、直接「ＰｕｂＭｅｄ」により各語を検索語にして得た論文を用いた。
【０２３８】
ここには、語を含むことを通して概念を共有しているとみる考え方に基づいている。検索時には「ＭｅＳＨ Ｍａｊｏｒ Ｔｏｐｉｃ」、「Ｅｎｇｌｉｕｈ」、「Ｈｕｍａｎ」のオプションを付与し、対象論文を得た。
【０２３９】
例えば、アルツハイマー病のオブジェクトは、「Ａｌｚｈｅｉｍｅｒ ｄｉｓｅａｓｅ」を検索語に１９９９年１月から２００１年１２月（Ｐｕｂｌｉｃａｔｉｏｎ Ｄａｔａ）の３年間を対象にして得た３７４０件から生成され（本実施形態におけるオブジェクト生成部１０２ｄに対応）、「κ＝０．５１」としたときの次元数は「４」である。
【０２４０】
図１３にこれらの７つのオブジェクトの間に得られた類似度を通して相対関係を示す。図１３では高血圧に関する上記２つのオブジェクトと高血圧との関連はそれほど深く示されていないが、相対的には前述した医学的知見と整合する結果が得られている。
【０２４１】
特に、糖尿病に関する上記２つは糖尿病と間でどちらも１に近い大きな値が得られており、「ＯＭＩＭ」に含まれる疾患や遺伝子に限定されず、一般に相互の関係が定量化可能であることがわかる。
【０２４２】
図１４は実験に用いる臓器に関連のある遺伝子である。実験に用いる臓器は腎臓（ｋｉｄｎｅｙ）、下垂体（ｐｉｔｕｉｔａｒｙ ｇｌａｎｄ）、副腎（ａｄｒｅｎａｌ ｇｌａｎｄ）、脂肪（ａｄｉｐｏｓｅ）組織の４つであり、本節で既に述べた方法で４つの臓器のオブジェクトを新たに生成した。
【０２４３】
ここで、高血圧に関係深い臓器を取り上げた。血圧の調節機構にレニン・アンジオテンシン・アルドステロン系が知られており、その中心的役割の１つのレニンが腎から分泌される酵素であることなどから腎臓は高血圧に関連深い臓器に位置付けられる。
【０２４４】
また、ホルモンはホメオスターシスと呼ばれる血圧などの恒常性維持の役割を担うもので（例えば、「医学大辞典、南山堂、１９９８」参照。）、ホルモンの代表的な生成器官である下垂体と副腎は上記血圧の調節機構との関係が知られている。
【０２４５】
また、血圧に影響を与える要因に肥満が知られ、脂肪組織と関係がある。
【０２４６】
また、腎臓、下垂体、副腎および脂肪組織のオブジェクトはそれぞれ、「ｋｉｄｎｅｙ」、「ｐｉｔｕｉｔａｒｙ ｇｌａｎｄ」、「ａｄｒｅｎａｌ ｇｌａｎｄ」、および、「ａｄｉｐｏｓｅ ｔｉｓｓｕｅ」を検索語に２００１年１月から１２月の１年間を対象にして得た１０８４、２４０、１１５、および、４１９件から生成した（本実施形態におけるオブジェクト生成部１０２ｄに対応）。
【０２４７】
また、「κ」が「０．５１」のときの次元数「ｎｗ」はぞれぞれ、「１６」、「３」、「４」、および、「２」であり、腎臓が他の３つに比べて広い概念をもち、多様な働きをすることが考えられる。
【０２４８】
図１４はそれら４つの臓器と関連のある遺伝子を対象に選ばれており、図１４に文献「ＭＫ．Ｈａｌｕｓｈｋａ ｅｔ ａｌ．，“ＧＩＳＴ： Ａ ｗｅｂ ｔｏｏｌ ｆｏｒ ｃｏｌｌｅｃｔｉｎｇ ｇｅｎｅ ｉｎｆｏｒｍａｔｉｏｎ”，Ｐｈｙｓｉｏｌ．Ｇｅｎｏｍｉｃｓ，ｖｏｌ．１，Ｎｏ．２，ｐｐ７５−８１，１９９９．」による発現臓器と機能クラスをあわせて示す。
【０２４９】
ここで、「高血圧候補遺伝子リスト（例えば、「ＭＫ．Ｈａｌｕｓｈｋａ ｅｔ ａｌ．，“ＧＩＳＴ： Ａ ｗｅｂ ｔｏｏｌ ｆｏｒ ｃｏｌｌｅｃｔｉｎｇ ｇｅｎｅ ｉｎｆｏｒｍａｔｉｏｎ”，Ｐｈｙｓｉｏｌ．Ｇｅｎｏｍｉｃｓ，ｖｏｌ．１，Ｎｏ．２，ｐｐ７５−８１，１９９９．」参照。）」の「Ｅｘｐｒｅｓｓｅｄ ｉｎ ｃＤＮＡ Ｌｉｂｒａｒｙ Ｆｒｏｍ Ｓｔａｔｅｄ Ｏｒｇａｎ」において、当該臓器で特異的に発現するとされる遺伝子により便宜的に選んだ。
【０２５０】
また、遺伝子発現とはタンパク質合成を通して機能が現れることで、臓器や時期などに依存して調節されることが知られている（例えば、「医学大辞典、南山堂、１９９８」参照。）。
【０２５１】
また、「高血圧候補遺伝子リスト」では、１６の機能クラスのいずれかが各遺伝子に付与されている。
【０２５２】
そして、４つの臓器および図１４の１２の遺伝子に対し、（３．遺伝子知識の構造化）と同様に２次元平面上にマップしたのが図１５であり、臓器および遺伝子がそれぞれ、「＊」および「＋」のマークで示されている。
【０２５３】
図１５をみると脂肪組織と「ＬＥＰ」、並びに下垂体と「ＴＲＨＲ」、「ＶＰＲ１Ｂ」遺伝子は、関連に応じて近く布置されていることがわかる。副腎に関連する３つの遺伝子は図の上下に、「ＣＹＰ１１Ｂ２」遺伝子と「ＴＨ」、「ＤＢＨ」遺伝子に分かれてしまっているが、図１４の最右欄の機能クラスの違いが反映された結果とみることができる。
【０２５４】
ここには、「ＣＹＰ１１Ｂ２」遺伝子と最も近い位置にある「ＲＥＮ」遺伝子が共通の「Ｒｅｎｉｎ−Ａｎｇｉｏｔｅｎｓｉｎ ｐａｔｈｗａｙ」の機能クラスに属すことから妥当性が確認できる。
【０２５５】
また、腎臓と関連する図の右上の「Ｃｈａｎｎｅｌ ＆ Ｔｒａｎｓｐｏｒｔｅｒ」の機能クラスに属す遺伝子４つから「ＲＥＮ」遺伝子が図の左へ離れているのも機能クラスの違いが示されていると判断できる。
【０２５６】
また、「ＰＴＧＥＲ３」遺伝子が同じく腎臓と関連がある遺伝子４つと離れて右下に位置にあるのも機能クラスの異なることによるものと判断される。
【０２５７】
このように、本発明を通して知識の融合と構造化が実現され、体系的理解が知識発見につながることがわかる．また，本発明によれば、手元にある関心対象の文書群に対しても同様にオブジェクトを生成することで既存知識の疾患や臓器、遺伝子との関係把握を可能とする。
【０２５８】
なお、数式２から分かる通り、新たな知見に伴う文書の追加や削除によるオブジェクトの再生成には最初から計算し直すことなく適応的に処理可能であり、本発明の特長に挙げられる。
【０２５９】
また、同様にあらためて計算することなく複数のオブジェクトの併合が可能であり、例えば遺伝子発現データクラスタリングから得られる遺伝子群を統合したオブジェクト生成により、共通の機能推定を図る適用が考えられる。
【０２６０】
また、遺伝子間の関係を示した図（図１０および図１１）および遺伝子との相対関係を示した図（図１５）のような図を作成すること（全ての組み合わせの類似度があれば多次元尺度法（例えば、「林知己夫，飽戸弘，“多次元尺度解析法”，サイエンス社，１９７６．」参照。）により実現可）は、遺伝子の機能推定を可能にする視覚的手段の位置づけであり、他の方式（例えば、閾値より大きければ「機能あり」のような数理的な方式など）により遺伝子の機能推定をしてもよい。
【０２６１】
このように、本発明では語の出現パターンの統計的な学習によりオブジェクトを生成し、オブジェクト間の相対関係を定量化した。既存の知識の関連付けにより体系的理解をねらいとする知識構造化において、本発明によれば全体をふかんした大規模な知識構造化を実現することを述べ、実験結果を通して遺伝子機能推定への有効性を示した。
【０２６２】
また、高血圧や糖尿病などの生活習慣病は、環境や複数の遺伝子を要因に引き起こされるとされており（例えば、「堀内正嗣，福田恵一，森下竜一，“生活習慣と遺伝子疾患”，メディカルレビュー社，２００２．」参照。）、本発明による全体のふかんは不可欠である。
【０２６３】
従来は、個別の遺伝子の塩基配列などに着目して機能が解析されたが、システムとして理解する必要性から全体の系の中から各遺伝子の働きの解析が求められてきている（例えば、「中村祐輔，“概論‐個の遺伝子研究からゲノムワイドの遺伝子研究へ”，実験医学，Ｖｏｌ．１８，Ｎｏ．１２，ｐｐ．１８−２０，２０００．」参照。）。
【０２６４】
そして、本実施例の実験で例に取り上げた臓器をはじめ、時空間的なひろがりをもった相互の関連の理解が今後は重要となる。
【０２６５】
なお、対象とする遺伝子を人間の遺伝子数相当とされる数万規模において処理可能である。
【０２６６】
また、本発明は数値データも併せて扱うことができ、例えば「ＣＲＭ（顧客関係管理）」分野において顧客や商品をオブジェクトに購買履歴などを学習し、相互の関連に基づいた商品推薦のリコメンデーションのアプリケーションへの展開も可能である。
【０２６７】
［他の実施の形態］
さて、これまで本発明の実施の形態について説明したが、本発明は、上述した実施の形態以外にも、上記特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施の形態にて実施されてよいものである。
【０２６８】
例えば、遺伝子機能推定装置１００がスタンドアローンの形態で処理を行う場合を一例に説明したが、遺伝子機能推定装置１００とは別筐体で構成されるクライアント端末からの要求に応じて処理を行い、その処理結果を当該クライアント端末に返却するように構成してもよい。
【０２６９】
また、実施形態において説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。
【０２７０】
この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種の登録データや検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。
【０２７１】
また、遺伝子機能推定装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。
【０２７２】
例えば、遺伝子機能推定装置１００の各部または各装置が備える処理機能、特に制御部１０２にて行なわれる各処理機能については、その全部または任意の一部を、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて実現することができ、あるいは、ワイヤードロジックによるハードウェアとして実現することも可能である。なお、プログラムは、後述する記録媒体に記録されており、必要に応じて遺伝子機能推定装置１００に機械的に読み取られる。
【０２７３】
すなわち、ＲＯＭまたはＨＤなどの記憶部１０６などには、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭ等にロードされることによって実行され、ＣＰＵと協働して制御部１０２を構成する。また、このコンピュータプログラムは、遺伝子機能推定装置１００に対して任意のネットワーク３００を介して接続されたアプリケーションプログラムサーバに記録されてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。
【０２７４】
また、本発明にかかるプログラムを、コンピュータ読み取り可能な記録媒体に格納することもできる。ここで、この「記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等の任意の「可搬用の物理媒体」や、各種コンピュータシステムに内蔵されるＲＯＭ、ＲＡＭ、ＨＤ等の任意の「固定用の物理媒体」、あるいは、ＬＡＮ、ＷＡＮ、インターネットに代表されるネットワークを介してプログラムを送信する場合の通信回線や搬送波のように、短期にプログラムを保持する「通信媒体」を含むものとする。
【０２７５】
また、「プログラム」とは、任意の言語や記述方法にて記述されたデータ処理方法であり、ソースコードやバイナリコード等の形式を問わない。なお、「プログラム」は必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に代表される別個のプログラムと協働してその機能を達成するものをも含む。なお、実施の形態に示した各装置において記録媒体を読み取るための具体的な構成、読み取り手順、あるいは、読み取り後のインストール手順等については、周知の構成や手順を用いることができる。
【０２７６】
記憶部１０６に格納される各種のファイル等（文書情報集合ファイル１０６ａ〜推定結果ファイル１０６ｋ）は、ＲＡＭ、ＲＯＭ等のメモリ装置、ハードディスク等の固定ディスク装置、フレキシブルディスク、光ディスク等のストレージ手段であり、各種処理やウェブサイト提供に用いる各種のプログラムやテーブルやファイルやデータベースやウェブページ用ファイル等を格納する。
【０２７７】
また、遺伝子機能推定装置１００は、既知のパーソナルコンピュータ、ワークステーション等の情報処理端末等の情報処理装置にプリンタやモニタやイメージスキャナ等の周辺装置を接続し、該情報処理装置に本発明の方法を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより実現してもよい。
【０２７８】
さらに、遺伝子機能推定装置１００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷等に応じた任意の単位で、機能的または物理的に分散・統合して構成することができる。例えば、各データベースを独立したデータベース装置として独立に構成してもよく、また、処理の一部をＣＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａｃｅ）を用いて実現してもよい。
【０２７９】
また、ネットワーク３００は、遺伝子機能推定装置１００と外部システム２００とを相互に接続する機能を有し、例えば、インターネットや、イントラネットや、ＬＡＮ（有線／無線の双方を含む）や、ＶＡＮや、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ網や、ＩＭＴ２０００方式、ＧＳＭ方式またはＰＤＣ／ＰＤＣ−Ｐ方式等の携帯回線交換網／携帯パケット交換網や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ等の局所無線網や、ＰＨＳ網や、ＣＳ、ＢＳまたはＩＳＤＢ等の衛星通信網等のうちいずれかを含んでもよい。すなわち、本システムは、有線・無線を問わず任意のネットワークを介して、各種データを送受信することができる。
【０２８０】
【発明の効果】
以上詳細に説明したように、本発明によれば、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定するので、広範囲で膨大な量の文書情報に対する計算機による自動処理を通して、例えば、疾患関連遺伝子の抽出を実現し、新しい薬剤や治療法の開発でのコストを削減することにつなげることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８１】
また、本発明によれば、具体的には、医学生物学的な語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチングによりオブジェクト間の相対関係を算出することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８２】
また、本発明によれば、具体的には、例えば、遺伝子、疾患、臓器、化合物などの要素概念をオブジェクトとして扱い、論文をはじめとした文書情報を基に、類似度の尺度で当該オブジェクト群の相互の関連を定量化し、例えば、遺伝子と疾患の間を関連付けて疾患関連遺伝子を抽出（機能推定）するなど知識構造化を図ることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８３】
また、本発明によれば、疾患の他、臓器や化合物、免疫などの作用や肥満、喫煙などと遺伝子との関連を統合的に把握することを可能にすることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８４】
また、本発明によれば、手元の文書群（例えば、新規遺伝子、薬剤やタンパク質に関して記述されたもの）からオブジェクト生成することで、既存の概念との関連が推測でき、薬剤開発などでの工数を削減することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８５】
また、本発明によれば、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に文書ベクトル情報を作成することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８６】
また、本発明によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを文書ベクトル情報に反映させることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８７】
また、本発明によれば、文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、簡単に固有値を算出することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８８】
また、本発明によれば、固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成するので、オブジェクトの空間の次元数がパターン分布に反映される概念の広がりに対応するように、オブジェクトを生成することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８９】
また、本発明によれば、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出するので、２つのオブジェクト間の類似度を２つの空間がなす角度に基づいて算出することができ、当該類似度の尺度でオブジェクト間の相対関係を定量化し、知識構造化を図ることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２９０】
また、本発明によれば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換された文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、単語情報集合の冗長性を除いて処理量を効果的に削減することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２９１】
また、本発明によれば、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に学習文書ベクトル情報を作成することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２９２】
また、本発明によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを学習文書ベクトル情報に反映させることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２９３】
さらに、本発明によれば、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換するので、効果的に次元圧縮することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【図面の簡単な説明】
【図１】本発明の基本原理を示す原理構成図である。
【図２】本発明が適用される本システムの構成の一例を示すブロック図である。
【図３】本実施形態における本システムのメイン処理の一例を示すフローチャートである。
【図４】本実施形態における本システムの次元圧縮処理の一例を示すフローチャートである。
【図５】頻度上位２５による実験に用いる語の例を示す図である。
【図６】「ＰｕｂＭｅｄ」のＩＤが「８６６１０１９」の論文を用いた語の抽出例を示す図である。
【図７】抽出された遺伝子と「ＧｅｎｅＣａｒｄｓ」による遺伝子との関係の一例を示す図である。
【図８】抽出された遺伝子と「高血圧候補遺伝子リスト」による遺伝子との関係の一例を示す図である。
【図９】高血圧に関する上位２０の抽出遺伝子を示す図である。
【図１０】疾患と関連付けた遺伝子間の関係を示す図である。
【図１１】肥満との関連をみた遺伝子間の関係を示す図である。
【図１２】疾患関連語によるオブジェクトの一例を示す図である。
【図１３】疾患関連語によるオブジェクト間の相対関係の一例を示す図である。
【図１４】実験に用いる臓器に関連のある遺伝子の一例を示す図である。
【図１５】臓器と遺伝子との相対関係の一例を示す図である。
【符号の説明】
１００ 遺伝子機能推定装置
１０２ 制御部
１０２ａ 文書情報集合取得部
１０２ｂ 文書ベクトル情報作成部
１０２ｃ 固有値情報算出部
１０２ｄ オブジェクト生成部
１０２ｅ オブジェクト間類似度情報算出部
１０２ｆ 学習文書情報集合取得部
１０２ｇ 学習文書ベクトル情報作成部
１０２ｈ 正規直交行列取得部
１０２ｉ 正規直交変換部
１０２ｊ 遺伝子機能推定部
１０４ 通信制御インターフェース部
１０６ 記憶部
１０６ａ 文書情報集合ファイル
１０６ｂ 単語情報集合ファイル
１０６ｃ 文書ベクトル情報ファイル
１０６ｄ 固有値情報ファイル
１０６ｅ オブジェクトファイル
１０６ｆ オブジェクト間類似度情報ファイル
１０６ｇ 学習文書情報集合ファイル
１０６ｈ 学習文書ベクトル情報ファイル
１０６ｉ 正規直交行列ファイル
１０６ｊ 変換文書ベクトル情報ファイル
１０６ｋ 推定結果ファイル
１０８ 入出力制御インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ 外部システム
３００ ネットワーク
【発明の属する技術分野】
本発明は、遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムに関し、特に、広範囲で膨大な量の文書情報に対し疾患関連遺伝子などの抽出を実現し、新しい薬剤や治療法の開発でのコスト削減につなげることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムに関する。
【０００２】
【従来の技術】
これまで、多種多様な知識が言語を通して記述され文書の形で蓄積されてきており、これら文書に対する昨今の急速な電子化の流れにより知識をコンピュータ環境で計算処理する知識ベース構築が求められてきている。
【０００３】
ここで、蓄積された知識が広範囲かつ膨大な量となったために人が扱いきれなくなった状況においては、網羅的な自動処理が要求されているといえる。
【０００４】
また、特に複数の知識を結合させると新たな知識が見出され（例えば、非特許文献１参照。）、知識ベース活用による知識発見への期待もますます大きくなっている。
【０００５】
一方、これまでの遺伝子の解析は、疾患との関係や臓器との関係などの或る特定の機能に対する検証に基づいて行われてきており、得られる結果が断片的であるという限界がある。
【０００６】
この状況の下で、遺伝子などの活用語彙を役割や作用により階層的に分類することで、得られている知見を系統的に記述し、対象世界の知識の構造化を図るオントロジーの研究が進められている（例えば、非特許文献２、非特許文献３、非特許文献４、非特許文献６参照。）。
【０００７】
具体的には、ライフサイエンス分野（例えば、非特許文献５、非特許文献６参照。）は生物学や医学をはじめとした幅広い分野であるため、オントロジー構築（例えば、非特許文献４参照。）を通して学際間を融合した知識構造化が積極的に進められている。
【０００８】
また、昨今のゲノムの解読をきっかけにして、横断的な知識ベースの構築が急務となっている（例えば、非特許文献７参照。）。
【０００９】
そして、遺伝子、疾患、臓器、化合物、更には生物種など様々な面で相互の関係理解が求められている一方で、全体をみないと構造が理解できない課題に直面しているといえる。
【００１０】
【非特許文献１】
野中郁次郎、竹内弘高、「知識創造企業」、東洋経済新報社、１９９６年
【非特許文献２】
溝口理一郎、「オントロジー研究の基礎と応用」、人工知能学会誌、Ｖｏｌ．１４、Ｎｏ．６、ｐ．９７７−９８８、１９９９年
【非特許文献３】
Ｍｉｌｌｅｒ，Ｇ．Ａ．、「ＷｏｒｄＮｅｔ： Ａ ｌｅｘｉｃａｌｄａｔａｂａｓｅｓ ｆｏｒ Ｅｎｇｌｉｓｈ」、Ｃｏｍｍ． ｏｆ ｔｈｅ ＡＣＭ、３８、１１、ｐ．３９−４１、１９９５年
【非特許文献４】
Ｍ．Ａｓｈｂｕｒｎｅｒ ｅｔ ａｌ．、「Ｇｅｎｅ ｏｎｔｏｌｏｇｙ：ｔｏｏｌ ｆｏｒ ｔｈｅ ｕｎｉｆｉｃａｔｉｏｎ ｏｆ ｂｉｏｌｏｇｙ」、Ｎａｔ． Ｇｅｎｅｔ．、ｖｏｌ．２５、Ｎｏ．１、ｐ．２５−２９、２０００年
【非特許文献５】
「２１世紀の医療・福祉を支える科学技術特集／５．ゲノム情報とその利用」、信学誌、Ｖｏｌ．８４、Ｎｏ．５、ｐ．３４１−３６７、２００１年
【非特許文献６】
森下真一、久光徹、高木利久、「特集ゲノム情報科学」、情報処理、Ｖｏｌ．４３、Ｎｏ．１、ｐ．１−４１、２００２年
【非特許文献７】
村松正実、「解読されたゲノム情報をどう活かすか」、東京化学同人、１２．遺伝子カスケードと新しい創薬プラン、ｐ．１０３−１１１、２００１年
【００１１】
【発明が解決しようとする課題】
しかしながら、オントロジーの研究において、因果関係などの動作が不明な場合をはじめ、新たな知見に伴う更新が頻繁な場合などで、人手による分類のために多大な労力を要するということから、適用対象が制約されるという問題点がある。
【００１２】
従って、対象が広範囲で膨大な情報量になるにつれて全体をふかんした知識の構造化は実現困難とされている（例えば、「土橋喜，“情報視覚化と問題発見支援”，あるむ，２０００．」参照。）という問題点がある。
【００１３】
また、遺伝子名の論文中の共起頻度に基づく網羅的な検討（例えば、「Ｔ．Ｊｅｎｓｓｅｎ ｅｔ ａｌ．，“Ａｌｉｔｅｒａｔｕｒｅ ｎｅｔｗｏｒｋ ｏｆ ｈｕｍａｎ ｇｅｎｅｓ ｆｏｒ ｈｉｇｈ−ｔｈｒｏｕｇｈｐｕｔ ａｎａｌｙｓｉｓ ｏｆ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ”，Ｎａｔ．Ｇｅｎｅｔ．，ｖｏｌ．２８，Ｎｏ．５，ｐｐ２１−２８，２００１．」参照。）が報告され、広く活用されているが、疾患や臓器などとのつながりが直接わからないことから機能の推定までに至らないという問題点がある。
【００１４】
このように、従来のシステム等は数々の問題点を有しており、その結果、システムの利用者および管理者のいずれにとっても、利便性が悪く、また、利用効率が悪いものであった。
【００１５】
本発明は上記問題点に鑑みてなされたもので、広範囲で膨大な量の文書情報に対し疾患関連遺伝子などの抽出を実現し、新しい薬剤や治療法の開発でのコスト削減につなげることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することを目的としている。
【００１６】
【課題を解決するための手段】
このような目的を達成するため、請求項１に記載の遺伝子機能推定装置は、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得手段と、上記文書情報集合取得手段により取得された上記文書情報集合に含まれる各上記文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成手段と、上記文書ベクトル情報作成手段により作成された上記文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出手段と、上記固有値情報算出手段により算出された上記固有値情報に対応する固有ベクトル情報に基づいて、上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成するオブジェクト生成手段と、上記オブジェクト生成手段により生成された上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、上記オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出手段と、上記オブジェクト間類似度情報算出手段により特定の遺伝子に対応する上記オブジェクトと、任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定手段とを備えたことを特徴とする。
【００１７】
この装置によれば、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定するので、広範囲で膨大な量の文書情報に対する計算機による自動処理を通して、例えば、疾患関連遺伝子の抽出を実現し、新しい薬剤や治療法の開発でのコストを削減することにつなげることができる。
【００１８】
また、この装置によれば、具体的には、医学生物学的な語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチングによりオブジェクト間の相対関係を算出することができる。
【００１９】
また、この装置によれば、具体的には、例えば、遺伝子、疾患、臓器、化合物などの要素概念をオブジェクトとして扱い、論文をはじめとした文書情報を基に、類似度の尺度で当該オブジェクト群の相互の関連を定量化し、例えば、遺伝子と疾患の間を関連付けて疾患関連遺伝子を抽出（機能推定）するなど知識構造化を図ることができる。
【００２０】
また、この装置によれば、疾患の他、臓器や化合物、免疫などの作用や肥満、喫煙などと遺伝子との関連を統合的に把握することを可能にすることができる。
【００２１】
また、この装置によれば、手元の文書群（例えば、新規遺伝子、薬剤やタンパク質に関して記述されたもの）からオブジェクト生成することで、既存の概念との関連が推測でき、薬剤開発などでの工数を削減することができる。
【００２２】
また、請求項２に記載の遺伝子機能推定装置は、請求項１に記載の遺伝子機能推定装置において、上記文書ベクトル情報作成手段は、上記文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００２３】
これは文書ベクトル情報作成手段の一例を一層具体的に示すものである。この装置によれば、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に文書ベクトル情報を作成することができる。
【００２４】
また、請求項３に記載の遺伝子機能推定装置は、請求項１または２に記載の遺伝子機能推定装置において、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数１９】
【００２５】
これは重み情報の一例を一層具体的に示すものである。この装置によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを文書ベクトル情報に反映させることができる。
【数２０】
【００２６】
また、請求項４に記載の遺伝子機能推定装置は、請求項１から３のいずれか一つに記載の遺伝子機能推定装置において、上記固有値情報算出手段は、上記文書ベクトル情報に基づいて、数式２に示す上記文書ベクトル情報の上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【数２１】
【００２７】
これは固有値情報算出手段の一例を一層具体的に示すものである。この装置によれば、文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、簡単に固有値を算出することができる。
【数２２】
【００２８】
また、請求項５に記載の遺伝子機能推定装置は、請求項１から４のいずれか一つに記載の遺伝子機能推定装置において、上記オブジェクト生成手段は、上記固有値情報に対応する上記固有ベクトル情報に基づいて、数式３より定められる上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成することを特徴とする。
【数２３】
【００２９】
これはオブジェクト生成手段の一例を一層具体的に示すものである。この装置によれば、固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成するので、オブジェクトの空間の次元数がパターン分布に反映される概念の広がりに対応するように、オブジェクトを生成することができる。
【数２４】
【００３０】
また、請求項６に記載の遺伝子機能推定装置は、請求項１から５のいずれか一つに記載の遺伝子機能推定装置において、上記オブジェクト間類似度情報算出手段は、上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、数式４で定義された上記オブジェクト間の類似度情報を算出することを特徴とする。
【数２５】
【００３１】
これはオブジェクト間類似度情報算出手段の一例を一層具体的に示すものである。この装置によれば、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出するので、２つのオブジェクト間の類似度を２つの空間がなす角度に基づいて算出することができ、当該類似度の尺度でオブジェクト間の相対関係を定量化し、知識構造化を図ることができる。
【数２６】
【００３２】
また、請求項７に記載の遺伝子機能推定装置は、請求項１から６のいずれか一つに記載の遺伝子機能推定装置において、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書情報集合取得手段と、上記学習文書情報集合取得手段により取得された上記学習文書情報集合の上記学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報に基づいて作成する学習文書ベクトル情報作成手段と、上記学習文書ベクトル情報作成手段により作成された上記学習文書ベクトル情報を用いて上記正規直交変換を行うための正規直交行列を取得する正規直交行列取得手段と、上記正規直交行列取得手段により取得された正規直交行列にて上記文書ベクトル情報を上記正規直交変換し、上記固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換手段とをさらに備え、上記固有値情報算出手段は、上記正規直交変換手段にて変換された上記文書ベクトル情報に基づいて、上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【００３３】
この装置によれば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換された文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、単語情報集合の冗長性を除いて処理量を効果的に削減することができる。
【００３４】
また、請求項８に記載の遺伝子機能推定装置は、請求項７に記載の遺伝子機能推定装置において、上記学習文書ベクトル情報作成手段は、上記学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００３５】
これは学習文書ベクトル情報作成手段の一例を一層具体的に示すものである。この装置によれば、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に学習文書ベクトル情報を作成することができる。
【００３６】
また、請求項９に記載の遺伝子機能推定装置は、請求項７または８に記載の遺伝子機能推定装置において、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数２７】
【００３７】
これは重み情報の一例を一層具体的に示すものである。この装置によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを学習文書ベクトル情報に反映させることができる。
【数２８】
【００３８】
また、請求項１０に記載の遺伝子機能推定装置は、請求項７から９のいずれか一つに記載の遺伝子機能推定装置において、上記正規直交変換手段は、上記文書ベクトル情報を正規直交変換し、数式８で定義される上記固有値の累積寄与率を基準に次元圧縮した空間に変換することを特徴とする。
【数２９】
【００３９】
これは正規直交変換手段の一例を一層具体的に示すものである。この装置によれば、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換するので、効果的に次元圧縮することができる。
【数３０】
【００４０】
また、本発明は遺伝子機能推定方法に関するものであり、請求項１１に記載の遺伝子機能推定方法は、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得ステップと、上記文書情報集合取得ステップにより取得された上記文書情報集合に含まれる各上記文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成ステップと、上記文書ベクトル情報作成ステップにより作成された上記文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出ステップと、上記固有値情報算出ステップにより算出された上記固有値情報に対応する固有ベクトル情報に基づいて、上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成するオブジェクト生成ステップと、上記オブジェクト生成ステップにより生成された上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、上記オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出ステップと、上記オブジェクト間類似度情報算出ステップにより特定の遺伝子に対応する上記オブジェクトと、任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定ステップとを含むことを特徴とする。
【００４１】
この方法によれば、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定するので、広範囲で膨大な量の文書情報に対する計算機による自動処理を通して、例えば、疾患関連遺伝子の抽出を実現し、新しい薬剤や治療法の開発でのコストを削減することにつなげることができる。
【００４２】
また、この方法によれば、具体的には、医学生物学的な語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチングによりオブジェクト間の相対関係を算出することができる。
【００４３】
また、この方法によれば、具体的には、例えば、遺伝子、疾患、臓器、化合物などの要素概念をオブジェクトとして扱い、論文をはじめとした文書情報を基に、類似度の尺度で当該オブジェクト群の相互の関連を定量化し、例えば、遺伝子と疾患の間を関連付けて疾患関連遺伝子を抽出（機能推定）するなど知識構造化を図ることができる。
【００４４】
また、この方法によれば、疾患の他、臓器や化合物、免疫などの作用や肥満、喫煙などと遺伝子との関連を統合的に把握することを可能にすることができる。
【００４５】
また、この方法によれば、手元の文書群（例えば、新規遺伝子、薬剤やタンパク質に関して記述されたもの）からオブジェクト生成することで、既存の概念との関連が推測でき、薬剤開発などでの工数を削減することができる。
【００４６】
また、請求項１２に記載の遺伝子機能推定方法は、請求項１１に記載の遺伝子機能推定方法において、上記文書ベクトル情報作成ステップは、上記文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００４７】
これは文書ベクトル情報作成ステップの一例を一層具体的に示すものである。この方法によれば、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に文書ベクトル情報を作成することができる。
【００４８】
また、請求項１３に記載の遺伝子機能推定方法は、請求項１１または１２に記載の遺伝子機能推定方法において、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数３１】
【００４９】
これは重み情報の一例を一層具体的に示すものである。この方法によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを文書ベクトル情報に反映させることができる。
【数３２】
【００５０】
また、請求項１４に記載の遺伝子機能推定方法は、請求項１１から１３のいずれか一つに記載の遺伝子機能推定方法において、上記固有値情報算出ステップは、上記文書ベクトル情報に基づいて、数式２に示す上記文書ベクトル情報の上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【数３３】
【００５１】
これは固有値情報算出ステップの一例を一層具体的に示すものである。この方法によれば、文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、簡単に固有値を算出することができる。
【数３４】
【００５２】
また、請求項１５に記載の遺伝子機能推定方法は、請求項１１から１４のいずれか一つに記載の遺伝子機能推定方法において、上記オブジェクト生成ステップは、上記固有値情報に対応する上記固有ベクトル情報に基づいて、数式３より定められる上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成することを特徴とする。
【数３５】
【００５３】
これはオブジェクト生成ステップの一例を一層具体的に示すものである。この方法によれば、固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成するので、オブジェクトの空間の次元数がパターン分布に反映される概念の広がりに対応するように、オブジェクトを生成することができる。
【数３６】
【００５４】
また、請求項１６に記載の遺伝子機能推定方法は、請求項１１から１５のいずれか一つに記載の遺伝子機能推定方法において、上記オブジェクト間類似度情報算出ステップは、上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、数式４で定義された上記オブジェクト間の類似度情報を算出することを特徴とする。
【数３７】
【００５５】
これはオブジェクト間類似度情報算出ステップの一例を一層具体的に示すものである。この方法によれば、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出するので、２つのオブジェクト間の類似度を２つの空間がなす角度に基づいて算出することができ、当該類似度の尺度でオブジェクト間の相対関係を定量化し、知識構造化を図ることができる。
【数３８】
【００５６】
また、請求項１７に記載の遺伝子機能推定方法は、請求項１１から１６のいずれか一つに記載の遺伝子機能推定方法において、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書情報集合取得ステップと、上記学習文書情報集合取得ステップにより取得された上記学習文書情報集合の上記学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報に基づいて作成する学習文書ベクトル情報作成ステップと、上記学習文書ベクトル情報作成ステップにより作成された上記学習文書ベクトル情報を用いて上記正規直交変換を行うための正規直交行列を取得する正規直交行列取得ステップと、上記正規直交行列取得ステップにより取得された正規直交行列にて上記文書ベクトル情報を上記正規直交変換し、上記固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換ステップとをさらに含み、上記固有値情報算出ステップは、上記正規直交変換ステップにて変換された上記文書ベクトル情報に基づいて、上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【００５７】
この方法によれば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換された文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、単語情報集合の冗長性を除いて処理量を効果的に削減することができる。
【００５８】
また、請求項１８に記載の遺伝子機能推定方法は、請求項１７に記載の遺伝子機能推定方法において、上記学習文書ベクトル情報作成ステップは、上記学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００５９】
これは学習文書ベクトル情報作成ステップの一例を一層具体的に示すものである。この方法によれば、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に学習文書ベクトル情報を作成することができる。
【００６０】
また、請求項１９に記載の遺伝子機能推定方法は、請求項１７または１８に記載の遺伝子機能推定方法において、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数３９】
【００６１】
これは重み情報の一例を一層具体的に示すものである。この方法によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを学習文書ベクトル情報に反映させることができる。
【数４０】
【００６２】
また、請求項２０に記載の遺伝子機能推定方法は、請求項１７から１９のいずれか一つに記載の遺伝子機能推定方法において、上記正規直交変換ステップは、上記文書ベクトル情報を正規直交変換し、数式８で定義される上記固有値の累積寄与率を基準に次元圧縮した空間に変換することを特徴とする。
【数４１】
【００６３】
これは正規直交変換ステップの一例を一層具体的に示すものである。この方法によれば、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換するので、効果的に次元圧縮することができる。
【数４２】
【００６４】
また、本発明はプログラムに関するものであり、請求項２１に記載の遺伝子機能推定方法をコンピュータに実行させることを特徴とするプログラムは、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得ステップと、上記文書情報集合取得ステップにより取得された上記文書情報集合に含まれる各上記文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成ステップと、上記文書ベクトル情報作成ステップにより作成された上記文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出ステップと、上記固有値情報算出ステップにより算出された上記固有値情報に対応する固有ベクトル情報に基づいて、上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成するオブジェクト生成ステップと、上記オブジェクト生成ステップにより生成された上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、上記オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出ステップと、上記オブジェクト間類似度情報算出ステップにより特定の遺伝子に対応する上記オブジェクトと、任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定ステップとを含むことを特徴とする。
【００６５】
このプログラムによれば、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定するので、広範囲で膨大な量の文書情報に対する計算機による自動処理を通して、例えば、疾患関連遺伝子の抽出を実現し、新しい薬剤や治療法の開発でのコストを削減することにつなげることができる。
【００６６】
また、このプログラムによれば、具体的には、医学生物学的な語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチングによりオブジェクト間の相対関係を算出することができる。
【００６７】
また、このプログラムによれば、具体的には、例えば、遺伝子、疾患、臓器、化合物などの要素概念をオブジェクトとして扱い、論文をはじめとした文書情報を基に、類似度の尺度で当該オブジェクト群の相互の関連を定量化し、例えば、遺伝子と疾患の間を関連付けて疾患関連遺伝子を抽出（機能推定）するなど知識構造化を図ることができる。
【００６８】
また、このプログラムによれば、疾患の他、臓器や化合物、免疫などの作用や肥満、喫煙などと遺伝子との関連を統合的に把握することを可能にすることができる。
【００６９】
また、このプログラムによれば、手元の文書群（例えば、新規遺伝子、薬剤やタンパク質に関して記述されたもの）からオブジェクト生成することで、既存の概念との関連が推測でき、薬剤開発などでの工数を削減することができる。
【００７０】
また、請求項２２に記載のプログラムは、請求項２１に記載のプログラムにおいて、上記文書ベクトル情報作成ステップは、上記文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００７１】
これは文書ベクトル情報作成ステップの一例を一層具体的に示すものである。このプログラムによれば、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に文書ベクトル情報を作成することができる。
【００７２】
また、請求項２３に記載のプログラムは、請求項２１または２２に記載のプログラムにおいて、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数４３】
【００７３】
これは重み情報の一例を一層具体的に示すものである。このプログラムによれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを文書ベクトル情報に反映させることができる。
【数４４】
【００７４】
また、請求項２４に記載のプログラムは、請求項２１から２３のいずれか一つに記載のプログラムにおいて、上記固有値情報算出ステップは、上記文書ベクトル情報に基づいて、数式２に示す上記文書ベクトル情報の上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【数４５】
【００７５】
これは固有値情報算出ステップの一例を一層具体的に示すものである。このプログラムによれば、文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、簡単に固有値を算出することができる。
【数４６】
【００７６】
また、請求項２５に記載のプログラムは、請求項２１から２４のいずれか一つに記載のプログラムにおいて、上記オブジェクト生成ステップは、上記固有値情報に対応する上記固有ベクトル情報に基づいて、数式３より定められる上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成することを特徴とする。
【数４７】
【００７７】
これはオブジェクト生成ステップの一例を一層具体的に示すものである。このプログラムによれば、固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報からなるオブジェクトを生成するので、オブジェクトの空間の次元数がパターン分布に反映される概念の広がりに対応するように、オブジェクトを生成することができる。
【数４８】
【００７８】
また、請求項２６に記載のプログラムは、請求項２１から２５のいずれか一つに記載のプログラムにおいて、上記オブジェクト間類似度情報算出ステップは、上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、数式４で定義された上記オブジェクト間の類似度情報を算出することを特徴とする。
【数４９】
【００７９】
これはオブジェクト間類似度情報算出ステップの一例を一層具体的に示すものである。このプログラムによれば、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出するので、２つのオブジェクト間の類似度を２つの空間がなす角度に基づいて算出することができ、当該類似度の尺度でオブジェクト間の相対関係を定量化し、知識構造化を図ることができる。
【数５０】
【００８０】
また、請求項２７に記載のプログラムは、請求項２１から２６のいずれか一つに記載のプログラムにおいて、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書情報集合取得ステップと、上記学習文書情報集合取得ステップにより取得された上記学習文書情報集合の上記学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報に基づいて作成する学習文書ベクトル情報作成ステップと、上記学習文書ベクトル情報作成ステップにより作成された上記学習文書ベクトル情報を用いて上記正規直交変換を行うための正規直交行列を取得する正規直交行列取得ステップと、上記正規直交行列取得ステップにより取得された正規直交行列にて上記文書ベクトル情報を上記正規直交変換し、上記固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換ステップとをさらに含み、上記固有値情報算出ステップは、上記正規直交変換ステップにて変換された上記文書ベクトル情報に基づいて、上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出することを特徴とする。
【００８１】
このプログラムによれば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換された文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、単語情報集合の冗長性を除いて処理量を効果的に削減することができる。
【００８２】
また、請求項２８に記載のプログラムは、請求項２７に記載のプログラムにおいて、上記学習文書ベクトル情報作成ステップは、上記学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成することを特徴とする。
【００８３】
これは学習文書ベクトル情報作成ステップの一例を一層具体的に示すものである。このプログラムによれば、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に学習文書ベクトル情報を作成することができる。
【００８４】
また、請求項２９に記載のプログラムは、請求項２７または２８に記載のプログラムにおいて、上記重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であることを特徴とする。
【数５１】
【００８５】
これは重み情報の一例を一層具体的に示すものである。このプログラムによれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを学習文書ベクトル情報に反映させることができる。
【数５２】
【００８６】
また、請求項３０に記載のプログラムは、請求項２７から２９のいずれか一つに記載のプログラムにおいて、上記正規直交変換ステップは、上記文書ベクトル情報を正規直交変換し、数式８で定義される上記固有値の累積寄与率を基準に次元圧縮した空間に変換することを特徴とする。
【数５３】
【００８７】
これは正規直交変換ステップの一例を一層具体的に示すものである。このプログラムによれば、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換するので、効果的に次元圧縮することができる。
【数５４】
【００８８】
【発明の実施の形態】
以下に、本発明にかかる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
【００８９】
本発明では、文書を対象にした大規模知識構造化を提案する。そこで、情報検索時の入力に代表されるような要素概念をオブジェクトとして扱うとき、一般にオブジェクト群には相互の関連からもたらされる構造がみられる。
【００９０】
具体的には、情報検索時の入力に代表されるような要素概念をオブジェクトとしてみると、知識はオブジェクト間に存在する類似、相反や因果関係などの相互の関連からなるといえ、一般にオブジェクト群にはその関連からもたらされる構造がみられる。
【００９１】
そして、文書中に共通の概念が記述されている場合、それらの文書を構成する用語群には論理的結合からもたらされる固有の出現パターンがあり、上記概念間の関連は語の出現パターンのマッチングを意味するとみることができる。
【００９２】
そして、本発明では、語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチング（例えば、「前田賢一，渡辺貞一，“局所的構造を導入したパターン・マッチング法”，信学論，Ｖｏｌ．Ｊ６８−Ｄ，Ｎｏ．３，ｐｐ．３４５−３５２，１９８５」参照。）によりオブジェクト間の相対関係が定量化される。
【００９３】
つまり、既存の知識を互いに関連付けることで体系的理解をねらいとする知識の構造化に対し、要素概念であるオブジェクト間の相対関係の定量化により捉える考え方に基づいている。
【００９４】
また、同一オブジェクトに属する文書には、それらを構成する用語群における論理的結合からもたらされる固有の出現パターンがあるという考え方に着目している。
【００９５】
本発明は、「例からの学習」と呼ばれる統計的な機械学習から生成されたオブジェクトに対するパターンマッチングによるものであり、全体のふかんが求められる大規模な知識構造化に効果的なアプローチである。
【００９６】
そして、後述する実施例では、本発明に基づいて、一例として遺伝子、疾患、臓器をオブジェクトとして扱い、全体をふかんした知識の構造化が知識発見に向けて有効であることを、遺伝子機能推定への応用を通して述べる。
【００９７】
［本発明の概要］
以下、本発明の概要について説明し、その後、本発明の構成および処理等について詳細に説明する。図１は本発明の基本原理を示す概念図である。
【００９８】
本発明は、概略的に、以下の基本的特徴を有する。すなわち、本発明は、まず、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、文書情報集合ファイルの所定の領域に格納する（ステップＳ−１）。
【００９９】
ついで、ステップＳ−１にて取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、予め単語情報集合ファイルに格納された、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、文書ベクトル情報ファイルの所定の領域に格納する（ステップＳ−２）。
【０１００】
ここで、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成してもよい。
【０１０１】
また、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であってもよい（例えば、「西尾章治郎，田中克己，上原邦昭，有木康雄，加藤俊一，河野浩之，“情報の構造化と検索”，岩波書店，２０００．」参照。）。
【数５５】
【０１０２】
ついで、ステップＳ−２にて作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、固有値情報ファイルの所定の領域に格納する（ステップＳ−３）。
【０１０３】
ここで、ステップＳ−２にて作成された文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出してもよい。
【数５６】
【０１０４】
ついで、ステップＳ−３にて算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、オブジェクトファイルの所定の領域に格納する（ステップＳ−４）。
【０１０５】
ここで、ステップＳ−３にて算出された固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成してもよい。
【数５７】
【０１０６】
ついで、ステップＳ−４にて生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、オブジェクト間類似度情報ファイルの所定の領域に格納してもよい（ステップＳ−５）。
【０１０７】
ここで、ステップＳ−４にて生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出してもよい（例えば、「前田賢一，渡辺貞一，“局所的構造を導入したパターン・マッチング法”，信学論，Ｖｏｌ．Ｊ６８−Ｄ，Ｎｏ．３，ｐｐ．３４５−３５２，１９８５．」参照。）。
【数５８】
【０１０８】
これにより、数式４で定義される類似度の尺度でオブジェクト間の相対関係が定量化され、知識構造化を図ることができる。
【０１０９】
ここで、当該定量化において、事前に、カテゴリが定義されている場合において、固有ベクトルからの部分空間を用いて入力パターンの属するカテゴリを判定するパターン認識手法は部分空間類別法（例えば、「エルッキ・オヤ，“パターン認識と部分空間法”，産業図書，１９８６．」参照。）と呼ばれ、音声や文字の認識をはじめ、文書の分類への適用例（例えば、「松永務，“部分空間類別法を適用した文書のフィルタリング手法の検討”，信学論，Ｖｏｌ．Ｊ８１−Ｄ−ＩＩ，Ｎｏ．１，ｐｐ．５４−６３，１９９８．」参照。）が知られている。
【０１１０】
また、入力パターンの変動も部分空間で記述し、カテゴリ判定の基準に２つの空間のなす角度から定義された類似度を用いる拡張された手法は相互部分空間法（例えば、「前田賢一，渡辺貞一，“局所的構造を導入したパターン・マッチング法”，信学論，Ｖｏｌ．Ｊ６８−Ｄ，Ｎｏ．３，ｐｐ．３４５−３５２，１９８５．」参照。）と呼ばれ、複数の顔画像によるロバストな人物同定の応用例（例えば、「山田修，福井和広，前田賢一，“動画像を用いた顔認識システム”，信学技報，ＰＲＭＵ９７−５０，１９９７．」参照。）が知られている。
【０１１１】
さらに、ステップＳ−５により特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定し、推定結果を推定結果ファイルに格納する（ステップＳ−６）。
【０１１２】
ここで、単語情報集合の冗長性を除いて処理量を削減する目的から学習文書情報集合を用いた正規直交変換を施し、固有値情報の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【０１１３】
具体的には、例えば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【０１１４】
また、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成してもよい。
【０１１５】
また、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であってもよい（例えば、「西尾章治郎，田中克己，上原邦昭，有木康雄，加藤俊一，河野浩之，“情報の構造化と検索”，岩波書店，２０００．」参照。）。
【数５９】
【０１１６】
また、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【数６０】
【０１１７】
［システム構成］
まず、本システムの構成について説明する。図２は、本発明が適用される本システムの構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
【０１１８】
本システムは、概略的に、遺伝子機能推定装置１００と、遺伝子情報等に関する外部データベースや各種の外部プログラム等を提供する外部システム２００とを、ネットワーク３００を介して通信可能に接続して構成されている。
【０１１９】
図２において、ネットワーク３００は、遺伝子機能推定装置１００と外部システム２００とを相互に接続する機能を有し、例えば、インターネット等である。
【０１２０】
図２において、外部システム２００は、ネットワーク３００を介して、遺伝子機能推定装置１００と相互に接続され、利用者に対して遺伝子情報等に関する外部データベースや各種の外部プログラムを実行するウェブサイトを提供する機能を有する。
【０１２１】
ここで、外部システム２００は、ＷＥＢサーバやＡＳＰサーバ等として構成してもよく、そのハードウェア構成は、一般に市販されるワークステーション、パーソナルコンピュータ等の情報処理装置およびその付属装置により構成してもよい。また、外部システム２００の各機能は、外部システム２００のハードウェア構成中のＣＰＵ、ディスク装置、メモリ装置、入力装置、出力装置、通信制御装置等およびそれらを制御するプログラム等により実現される。
【０１２２】
図２において、遺伝子機能推定装置１００は、概略的に、遺伝子機能推定装置１００の全体を統括的に制御するＣＰＵ等の制御部１０２、通信回線等に接続されるルータ等の通信装置（図示せず）に接続される通信制御インターフェース部１０４、入力装置１１２や出力装置１１４に接続される入出力制御インターフェース部１０８、および、各種のデータベースやファイルなどを格納する記憶部１０６を備えて構成されており、これら各部は任意の通信路を介して通信可能に接続されている。さらに、この遺伝子機能推定装置１００は、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して、ネットワーク３００に通信可能に接続されている。
【０１２３】
図２の記憶部１０６に格納される各種のデータベースやテーブルやファイル（文書情報集合ファイル１０６ａ〜推定結果ファイル１０６ｋ）は、固定ディスク装置等のストレージ手段であり、各種処理に用いる各種のプログラムやテーブルやファイルやデータベースやウェブページ用ファイル等を格納する。
【０１２４】
これら記憶部１０６の各構成要素のうち、文書情報集合ファイル１０６ａは、後述する文書情報集合取得部１０２ａにより取得された、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を格納する文書情報集合格納手段である。
【０１２５】
この文書情報集合ファイル１０６ａに格納される情報は、文書情報で構成されている。
【０１２６】
また、単語情報集合ファイル１０６ｂは、定められた単語情報集合を格納する単語情報集合格納手段である。
【０１２７】
この単語情報集合ファイル１０６ｂに格納される情報は、単語情報で構成されている。
【０１２８】
また、文書ベクトル情報ファイル１０６ｃは、後述する文書ベクトル情報作成部１０２ｂにより、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成された、文書情報集合の文書情報をベクトルで表現した文書ベクトル情報を格納する文書ベクトル情報格納手段である。
【０１２９】
この文書ベクトル情報ファイル１０６ｃに格納される情報は、文書ベクトル情報で構成されている。
【０１３０】
また、固有値情報ファイル１０６ｄは、後述する固有値情報算出部１０２ｃにより、文書ベクトル情報に基づいて文書ベクトル情報の自己相関行列のＫＬ展開から算出された固有値情報を格納する固有値情報格納手段である。
【０１３１】
この固有値情報ファイル１０６ｄに格納される情報は、固有値情報で構成されている。
【０１３２】
また、オブジェクトファイル１０６ｅは、後述するオブジェクト生成部１０２ｄにより、算出された固有値情報に対応する固有ベクトル情報に基づいて生成された固有ベクトル情報を基底とする空間により導出されるオブジェクトを格納するオブジェクト格納手段である。
【０１３３】
このオブジェクトファイル１０６ｅに格納される情報は、オブジェクトの固有値情報と、当該固有値情報に対応する固有ベクトル情報と、オブジェクトの次元数と、対象とする文書情報集合により実験的に定められたパラメータ「κ」とを相互に関連付けて構成されている。
【０１３４】
また、オブジェクト間類似度情報ファイル１０６ｆは、後述するオブジェクト間類似度情報算出部１０２ｅにより、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて算出されたオブジェクト間の類似度情報を格納するオブジェクト間類似度情報格納手段である。
【０１３５】
このオブジェクト間類似度情報ファイル１０６ｆに格納される情報は、類似度情報算出の対象となるオブジェクトの識別情報と、類似度情報とを相互に関連付けて構成されている。
【０１３６】
また、学習文書集合ファイル１０６ｇは、後述する学習文書集合取得部１０２ｆにより取得された、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を格納する学習文書集合格納手段である。
【０１３７】
この学習文書集合ファイル１０６ｇに格納される情報は、学習文書で構成されている。
【０１３８】
また、学習文書ベクトル情報ファイル１０６ｈは、後述する学習文書ベクトル情報作成部１０２ｇにより、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成された、学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を格納する学習文書ベクトル情報格納手段である。
【０１３９】
この学習文書ベクトル情報ファイル１０６ｈに格納される情報は、学習文書ベクトル情報で構成されている。
【０１４０】
また、正規直交行列ファイル１０６ｉは、後述する正規直交行列取得部１０２ｈにより取得された、学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を格納する正規直交行列格納手段である。
【０１４１】
この正規直交行列ファイル１０６ｉに格納される情報は、正規直交行列で構成されている。
【０１４２】
また、変換文書ベクトル情報ファイル１０６ｊは、後述する正規直交変換部１０２ｉにより、正規直交行列にて正規直交変換され、固有値の累積寄与率を基準に次元圧縮した空間に変換された文書ベクトル情報を格納する変換文書ベクトル情報格納手段である。
【０１４３】
この変換文書ベクトル情報ファイル１０６ｊに格納される情報は、変換された文書ベクトル情報で構成されている。
【０１４４】
また、推定結果ファイル１０６ｋは、後述する遺伝子機能推定部１０２ｊにより、後述するオブジェクト間類似度情報算出部１０２ｅにより特定の遺伝子に対応する上記オブジェクトと任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、推定された当該特定の遺伝子の機能に関する推定結果情報を格納する推定結果格納手段である。
【０１４５】
この推定結果ファイル１０６ｋに格納される情報は、推定された当該特定の遺伝子の機能に関する推定結果情報で構成されている。
【０１４６】
また、図２において、通信制御インターフェース部１０４は、遺伝子機能推定装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信制御を行う。すなわち、通信制御インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。
【０１４７】
また、図２において、入出力制御インターフェース部１０８は、入力装置１１２や出力装置１１４の制御を行う。ここで、出力装置１１４としては、モニタ（家庭用テレビを含む）の他、スピーカ等を用いることができる（なお、以下においては出力装置１１４をモニタとして記載する場合がある）。また、入力装置１１２としては、キーボード、マウス、および、マイク等を用いることができる。また、モニタも、マウスと協働してポインティングデバイス機能を実現する。
【０１４８】
また、図２において、制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム、各種の処理手順等を規定したプログラム、および所要データを格納するための内部メモリを有し、これらのプログラム等により、種々の処理を実行するための情報処理を行う。制御部１０２は、機能概念的に、文書情報集合取得部１０２ａ、文書ベクトル情報作成部１０２ｂ、固有値情報算出部１０２ｃ、オブジェクト生成部１０２ｄ、オブジェクト間類似度情報算出部１０２ｅ、学習文書集合取得部１０２ｆ、学習文書ベクトル情報作成部１０２ｇ、正規直交行列取得部１０２ｈ、正規直交変換部１０２ｉ、遺伝子機能推定部１０２ｊを含んで構成されている。
【０１４９】
このうち、文書情報集合取得部１０２ａは、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得手段である。
【０１５０】
また、文書ベクトル情報作成部１０２ｂは、文書情報集合の文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成手段である。
【０１５１】
また、固有値情報算出部１０２ｃは、文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出手段である。
【０１５２】
また、オブジェクト生成部１０２ｄは、固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成するオブジェクト生成手段である。
【０１５３】
また、オブジェクト間類似度情報算出部１０２ｅは、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出手段である。
【０１５４】
また、学習文書集合取得部１０２ｆは、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書集合取得手段である。
【０１５５】
また、学習文書ベクトル情報作成部１０２ｇは、学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する学習文書ベクトル情報作成手段である。
【０１５６】
また、正規直交行列取得部１０２ｈは、学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得する正規直交行列取得手段である。
【０１５７】
また、正規直交変換部１０２ｉは、正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換手段である。
【０１５８】
また、遺伝子機能推定部１０２ｊは、オブジェクト間類似度情報算出部１０２ｅにより特定の遺伝子に対応するオブジェクトと任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定手段である。
【０１５９】
なお、これら各部によって行われる処理の詳細については、後述する。
【０１６０】
［システムの処理］
次に、このように構成された本実施の形態における本システムの処理の一例について、以下に図３および図４等を参照して詳細に説明する。
【０１６１】
（メイン処理）
ここでは、遺伝子機能推定装置１００にて行われるメイン処理について、図３等を参照して詳細に説明する。
【０１６２】
まず、遺伝子機能推定装置１００は、文書情報集合取得部１０２ａの処理により、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、文書情報集合ファイル１０６ａの所定の領域に格納する（ステップＳＡ−１）。
【０１６３】
ついで、遺伝子機能推定装置１００は、文書ベクトル情報作成部１０２ｂの処理により、ステップＳＡ−１にて取得された文書情報集合の文書情報をベクトルで表現した文書ベクトル情報を、予め単語情報集合ファイル１０６ｂに格納された、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、文書ベクトル情報ファイル１０６ｃの所定の領域に格納する（ステップＳＡ−２）。
【０１６４】
ここで、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成してもよい。
【０１６５】
また、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であってもよい（例えば、「西尾章治郎，田中克己，上原邦昭，有木康雄，加藤俊一，河野浩之，“情報の構造化と検索”，岩波書店，２０００．」参照。）。
【数６１】
【０１６６】
ついで、遺伝子機能推定装置１００は、固有値情報算出部１０２ｃの処理により、ステップＳＡ−２にて作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、固有値情報ファイル１０６ｄの所定の領域に格納する（ステップＳＡ−３）。
【０１６７】
ここで、ステップＳＡ−２にて作成された文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出してもよい。
【数６２】
【０１６８】
ついで、遺伝子機能推定装置１００は、オブジェクト生成部１０２ｄの処理により、ステップＳＡ−３にて算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、オブジェクトファイル１０６ｅの所定の領域に格納する（ステップＳＡ−４）。
【０１６９】
ここで、ステップＳＡ−３にて算出された固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成してもよい。
【数６３】
【０１７０】
ついで、遺伝子機能推定装置１００は、オブジェクト間類似度情報算出部１０２ｅの処理により、ステップＳＡ−４にて生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、オブジェクト間類似度情報ファイル１０６ｆの所定の領域に格納する（ステップＳＡ−５）。
【０１７１】
ここで、ステップＳＡ−４にて生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出してもよい（例えば、「前田賢一，渡辺貞一，“局所的構造を導入したパターン・マッチング法”，信学論，Ｖｏｌ．Ｊ６８−Ｄ，Ｎｏ．３，ｐｐ．３４５−３５２，１９８５．」参照。）。
【数６４】
【０１７２】
これにより、数式４で定義される類似度の尺度でオブジェクト間の相対関係が定量化され、知識構造化を図ることができる。
【０１７３】
さらに、遺伝子機能推定装置１００は、遺伝子機能推定部１０２ｊの処理により、ステップＳＡ−５により特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定し、推定結果を推定結果ファイル１０６ｋの所定の領域に格納する（ステップＳＡ−６）。
【０１７４】
ここで、単語情報集合の冗長性を除いて処理量を削減する目的から学習文書情報集合を用いた正規直交変換を施し、固有値情報の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【０１７５】
具体的には、例えば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【０１７６】
（次元圧縮処理）
ここで、学習文書情報集合取得部１０２ｆから正規直交変換部１０２ｉにて行われる次元圧縮処理について、図４を参照して詳細に説明する。図４は、本実施形態における本システムの次元圧縮処理の一例を示すフローチャートである。
【０１７７】
まず、遺伝子機能推定装置１００は、学習文書情報集合取得部１０２ｆの処理により、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、学習文書情報ファイル１０６ｇの所定に領域に格納する（ステップＳＢ−１）。
【０１７８】
ついで、遺伝子機能推定装置１００は、学習文書ベクトル情報作成部１０２ｇの処理により、ステップＳＢ−１にて取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、学習文書ベクトル情報ファイル１０６ｈの所定に領域に格納する（ステップＳＢ−２）。
【０１７９】
ここで、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成してもよい。
【０１８０】
また、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であってもよい（例えば、「西尾章治郎，田中克己，上原邦昭，有木康雄，加藤俊一，河野浩之，“情報の構造化と検索”，岩波書店，２０００．」参照。）。
【数６５】
【０１８１】
ついで、遺伝子機能推定装置１００は、正規直交行列取得部１０２ｈの処理により、ステップＳＢ−２にて作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、正規直交行列ファイル１０６ｉの所定の領域に格納する（ステップＳＢ−３）。
【０１８２】
ついで、遺伝子機能推定装置１００は、正規直交変換部１０２ｉの処理により、ステップＳＢ−３にて取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換文書ベクトル情報ファイル１０６ｊの所定の領域に格納する（ステップＳＢ−４）。
【０１８３】
ここで、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換してもよい。
【数６６】
【０１８４】
これにて、次元圧縮処理が終了する。
【０１８５】
以上、メイン処理が終了する。
【０１８６】
［実施例］
次に、本発明の実施例について、図５から図１５等を参照して詳細に説明する。
【０１８７】
本実施例においては、全体をふかんした知識発見に対する顕著なニーズのあるライフサイエンス分野（例えば、「“２１世紀の医療・福祉を支える科学技術特集／５．ゲノム情報とその利用”，信学誌，Ｖｏｌ．８４，Ｎｏ．５，ｐｐ．３４１−３６７，２００１．」、「森下真一，久光徹，高木利久，“特集ゲノム情報科学”，情報処理，Ｖｏｌ．４３，Ｎｏ．１，ｐｐ．１−４１，２００２．」参照。）に本発明を適用し、遺伝子機能解析への応用について述べる。
【０１８８】
具体的には、遺伝子と疾患との関連に相当する疾患関連遺伝子抽出をはじめ、臓器に関する知識と融合させた遺伝子機能推定に関する実験結果から本発明の有効性を示す。
【０１８９】
また、本実施例のねらいは、これまで膨大で広範囲な情報量から困難とされていた遺伝子の知識の構造化が本発明の適用により実現され、遺伝子の機能推定につながる点を示すことにある。
【０１９０】
（１．実験に用いるデータ）
ヒトの遺伝病に関するデータベースとしてよく知られる「ＯＭＩＭ（Ｏｎｌｉｎｅ ＭｅｎｄｅｌｉａｎＩｎｈｅｒｉｔａｎｃｅ ｉｎ Ｍａｎ）（例えば、「Ａ．Ｈａｍｏｓｈ ｅｔ ａｌ．，“Ｏｎｌｉｎｅ Ｍｅｎｄｅｌｉａｎ Ｉｎｈｅｒｉｔａｎｃｅ ｉｎ Ｍａｎ（ＯＭＩＭ）”，Ｈｕｍ．Ｍｕｔａｔ．，ｖｏｌ．１５，Ｎｏ．１，ｐｐ５７−６１，２０００．」参照。）」を本実験では用いる。
【０１９１】
ここで、「ＯＭＩＭ」は、疾患や遺伝子の単位で番号が付与され、文献データベース「ＰｕｂＭｅｄ（例えば、ＰｕｂＭｅｄホームページ「ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｅｎｔｒｅｚ／ｑｕｅｒｙ．ｆｃｇｉ？ｄｂ＝ＰｕｂＭｅｄ」参照。）」へリンクされた論文の引用と共に疾患や遺伝子について記述されたページからなっている。
【０１９２】
なお、遺伝子や疾患はその引用の論文を通して知られることから、「ＰｕｂＭｅｄ」の各論文を文書情報（本実施形態における文書情報集合ファイル１０６ａに格納される文書情報に対応）と扱ってオブジェクトを生成した（本実施形態におけるオブジェクト生成部１０２ｄに対応）。また、遺伝子のオブジェクトは「ＯＭＩＭ」における全１３７２２件（２００１年１２月時点）のうちの遺伝子名が得られる１０００１件を対象にした。
【０１９３】
本実験では上述のリンクの「ＰｕｂＭｅｄ」の論文の全７７６３８件を学習文書情報集合（本実施形態における学習文書情報集合ファイル１０６ｇに格納される学習文書情報の集合に対応）にし、文書のベクトル表現のための単語情報集合（本実施形態における単語情報集合ファイル１０６ｂに格納される単語情報の集合に対応）にはライフサイエンス分野でよく用いられる４７８９語を用いた。
【０１９４】
ここで、単語情報集合の語の選択は類似度情報の精度、サイズは処理量、即ち速度に直接影響を与える。本発明は複数の語の間で形成される出現パターンに基づくものであり、当該分野でよく用いられる語から選択されるのが適当である。
【０１９５】
ここには、文書情報群における語の出現数順位が下がるほど急激に出現数が減少するという「ジップの法則」がある。本実験の４７８９語は、分子生物学をはじめ、病理学、生化学、遺伝学等において分野横断的に用いられている観点から収集した約６千語に対し、本文で述べられている「ＰｕｂＭｅｄ」の論文７７６３８件に含まれる語を基準にして得た。
【０１９６】
ここでは、要素概念を記述するために必要最低限に語を対象とする考え方から遺伝子やタンパク質の名称は含まれていない。なお、当該遺伝子やタンパク質の名称を対象に取り入れてもよい。
【０１９７】
図５は、学習文書情報集合における頻度上位２５による語の例を示す図である。
【０１９８】
ここで、図５において、論文のタイトル部では「１０」、アブストラクト部では「５」の重み（本実施形態における「重み情報」に対応）で各語の出現頻度（本実施形態における「出現頻度情報」に対応）が計算されている。
【０１９９】
また、図５には各語の最大７７６３８件のうちの出現件数とこれより算出される「ＩＤＦ値（本実施形態における「重み情報」に対応）」もあわせて示されている。
【０２００】
図６は、「ＰｕｂＭｅｄ」のＩＤが「８６６１０１９」の論文（論文タイトルは、「Ｇｅｎｏｍｉｃ ｏｒｇａｎｉｚａｔｉｏｎ ｏｆ ｔｈｅ ｈｕｍａｎＳＣＮ５Ａ ｇｅｎｅ ｅｎｃｏｄｉｎｇ ｔｈｅ ｃａｒｄｉａｃ ｇｏｄｉｕｍ ｃｈａｎｎｅｌ．」）を用いた語の抽出例を示す図である。
【０２０１】
図６における頻度の欄の２つの数字は、左がタイトル、右がアブストラクトの中の頻度である。図の通り、「ａｃｔｉｏｎ ｐｏｔｅｎｔｉａｌ」のように複数単語による語が抽出される他、「ＰＣＲ」のような略語や単数／複数の語形変化についても考慮されたものとなっている。学習文書集合７７６３８件における抽出語数の平均は「１２．７」である。
【０２０２】
ここで、予備実験から圧縮次元数「Ｎ’」を「３１０（固有値の累積寄与率５０％に相当）」に定めた。ここに、「κ＝０．８６」では遺伝子オブジェクトの次元数「ｎｗ」の平均は「２．５」（遺伝子オブジェクトの次元数の最大は遺伝子名「ＦＭＲ１（「ＯＭＩＭ」の番号「３０９５５０」）」において「２９」）となる。
【０２０３】
（２．疾患関連遺伝子の抽出）
ここでは、高血圧を疾患の例に疾患関連遺伝子抽出の実験結果について述べ、本発明の適用の有効性を定量的に示す。疾患関連遺伝子の抽出は、疾患のオブジェクトと遺伝子のオブジェクトとの類似度を降順に序列化することで実現される。
【０２０４】
高血圧の疾患が記述される「ＯＭＩＭ」の番号「１４５５００」のページの引用論文から高血圧のオブジェクトを生成した（本実施形態におけるオブジェクト生成部１０２ｄに対応）（例えば、「三木哲郎，“高血圧遺伝子解析プロジェクト”，遺伝子医学，Ｖｏｌ．５，Ｎｏ．４，ｐｐ．１２６−１３０，２００１．」参照。）。ここに「κ＝０．８６」とし、高血圧のオブジェクトの次元数は「８」である。
【０２０５】
図７および図８はそれぞれ、「ＧｅｎｅＣａｒｄｓ（例えば、「Ｍ．Ｒｅｂｈａｎ ｅｔ ａｌ．，“ＧｅｎｅＣａｒｄｓ： ａ ｎｏｖｅｌ ｆｕｎｃｔｉｏｎａｌ ｇｅｎｏｍｉｃｓ ｃｏｍｐｅｎｄｉｕｍ ｗｉｔｈ ａｕｔｏｍａｔｅｄ ｄａｔａ ｍｉｎｉｎｇ ａｎｄ ｑｕｅｒｙ ｒｅｆｏｒｍｕｌａｔｉｏｎ ｓｕｐｐｏｒｔ”，Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ，１４，ｐｐ６５６−６６４，１９９８．」参照。）」および「高血圧候補遺伝子リスト（例えば、「ＭＫ．Ｈａｌｕｓｈｋａ ｅｔ ａｌ．，“ＧＩＳＴ： Ａ ｗｅｂ ｔｏｏｌ ｆｏｒ ｃｏｌｌｅｃｔｉｎｇ ｇｅｎｅ ｉｎｆｏｒｍａｔｉｏｎ”，Ｐｈｙｓｉｏｌ．Ｇｅｎｏｍｉｃｓ，ｖｏｌ．１，Ｎｏ．２，ｐｐ７５−８１，１９９９．」参照。）」による関連遺伝子に関する再現率、適合率の変動であり、１０００１遺伝子からの抽出精度を示している。
【０２０６】
ここで、「ＧｅｎｅＣａｒｄｓ」は、遺伝子情報ポータルとしてよく知られている。なお、「ｈｙｐｅｒｔｅｎｔｉｏｎ」の検索語で得られる５２件（２００１年１２月時点）のうち、「ＯＭＩＭ」の番号のあるものは３９件あり、関連遺伝子とした。
【０２０７】
また、「高血圧候補遺伝子リスト」の方は挙げられている１５０のうちの「ＯＭＩＭ」の番号のある１４７を関連遺伝子としている。なお、両者に重複する遺伝子に１６件が含まれている。
【０２０８】
また、再現率（ｒｅｃａｌｌ）および適合率（ｐｒｅｃｉｓｉｏｎ）は情報検索でよく用いられる評価尺度で次式でそれぞれ定義されている（例えば、「長尾真，“自然言語処理”，岩波書店，１９９６．」参照。）。
【０２０９】
具体的には、「再現率Ｒ＝抽出された文書中の該当文書の数／全文書中の該当文書の数」、「適合率Ｐ＝抽出された文書中の該当文書の数／抽出された文書の数」で定義される。
【０２１０】
図７と図８のいずれも上位に関連遺伝子が挙げられていることがわかる。ここで、抽出遺伝子数を増やしても再現率があまり伸びない傾向がみられるが、これは再現率１００％になる最小の抽出遺伝子数が「ＧｅｎｅＣａｒｄｓ」および「高血圧候補遺伝子リスト」でそれぞれ、「７５２９」および「９２４９」であり、オブジェクト生成に用いた「ＯＭＩＭ」からの引用論文では必ずしも十分ではないことが一因に考えられる。
【０２１１】
しかし、高血圧の１４５５００のページで引用される２３遺伝子に関しては、抽出遺伝子数「１０」、「２０」、「５０」、「１００」、「１０００」および「５０００」に対して順に、「８」、「１３」、「１７」、「１８」、「２１」および「２２」の該当遺伝子数となり、高いレベルの抽出精度が得られることから疾患や遺伝子はオブジェクトとして適切に表現されていると判断される。
【０２１２】
図９に上位２０の抽出遺伝子を示す。図には各遺伝子の「ＯＭＩＭ」本文のページの中の「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語の頻度、並びに「ＧｅｎｅＣａｒｄｓ」および「高血圧候補遺伝子リスト」で高血圧に関連するとされる遺伝子がそれぞれ、「Ｈ」および「ｈ」の印によりあわせて示されている。
【０２１３】
図９をみると、「ＯＭＩＭ」本文中に「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語の含まれた言及により関連が認められるものが上位に挙げられており，抽出結果の妥当性が確認できる。
【０２１４】
なお、図９において、（１．実験に用いるデータ）で述べたように引用の論文をオブジェクト生成に用いており、「ＯＭＩＭ」本文は用いられていない。
【０２１５】
ここで、例えば「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語の含まれない第１４位の遺伝子「ＳＬＣ１２Ａ３」では「ｈｉｇｈ ｂｌｏｏｄ ｐｒｅｓｓｕｒｅ」の語で「ＯＭＩＭ」本文に高血圧関連遺伝子の記述がある。
【０２１６】
なお、「ＳＬＣ１２Ａ３」は高血圧治療につながる利尿薬のターゲットとなる伝達物質に関する遺伝子であるとされている。
【０２１７】
また、「ＯＭＩＭ」本文中に「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語がないだけでなく、「Ｈ」および「ｈ」の印もない第１８位の遺伝子「ＨＯＭＧ２」でも一般に高血圧との関連が知られている。
【０２１８】
なお、「ＨＯＭＧ２」は低マグネシウム血症に関する遺伝子であり、低マグネシウム血症は心筋梗塞症、高血圧、うっ血性心不全のような心臓血管の問題と関係があるとされている（例えば、「医学大辞典、南山堂、１９９８」参照。）。
【０２１９】
従って、図９の２０遺伝子は全て、「ＯＭＩＭ」本文中の「ｈｙｐｅｒｔｅｎｓｉｏｎ」の語、「Ｈ」および「ｈ」の印の３つの点のいずれかで関連が見込まれ、妥当性が認められる。本発明により有効な結果が得られることがわかる。
【０２２０】
（３．遺伝子知識の構造化）
ここでは、遺伝子オブジェクトを用い、遺伝子知識の構造化に関する実験について述べる。知識の関連付けにより全体像の体系的理解に伴う知識発見につながることを、実験結果を通して示す。
【０２２１】
まず、アルツハイマー病、糖尿病および高血圧に関連する遺伝子に着目し、「ＧｅｎｅＣａｒｄｓ」から関連するとされる遺伝子としてそれぞれ「５６」、「９４」、「３９」の計１８５を対象の遺伝子とした。
【０２２２】
ここで、アルツハイマー病および糖尿病の関連遺伝子は、「ＧｅｎｅＣａｒｄｓ」においてそれぞれ、「Ａｌｚｈｅｉｍｅｒ」および「ｄｉａｂｅｔｅｓ」の検索語から（２．疾患関連遺伝子の抽出）に述べた高血圧と同様にして得た。そして、３つの疾患で関連の重複する遺伝子が４つ含まれている。
【０２２３】
図１０と図１１は、「κ＝０．５１」としたときの全ての組合せの遺伝子間の類似度から遺伝子間の相対関係を２次元平面上に近似して示した図である。多次元尺度法（例えば、「林知己夫，飽戸弘，“多次元尺度解析法”，サイエンス社，１９７６．」参照。）により、遺伝子間の類似度の値が大きいほど２次元平面上で近く布置されている。
【０２２４】
図１０ではアルツハイマー病、糖尿病および高血圧に関連する各遺伝子がそれぞれ、「Ａ」、「Ｄ」および「Ｈ」のマーク（アルツハイマー病および糖尿病、糖尿病および高血圧に関連する遺伝子はそれぞれ、「Ａ／Ｄ」、「Ｄ／Ｈ」のマークとした。）でプロットされている。
【０２２５】
図１０をみるとアルツハイマー病関連遺伝子は図の右上、糖尿病は下、高血圧は左上を中心にした分布になっており、対象にした３つの疾患と結び付いた構造が認められる。
【０２２６】
このことから、対象としてアルツハイマー病、糖尿病および高血圧からのそれぞれの関連遺伝子を基準に選択したことを考えると、その疾患毎に計３つのまとまりをもつことは妥当と判断できる。
【０２２７】
また，肥満のオブジェクトを新たに生成し、上記３疾患の代わりに肥満との類似度の大小を「Ｏ」のマークの大小でプロットしたのが図１１である。
【０２２８】
ここで、高血圧と同様、肥満が記述される「ＯＭＩＭ」の番号「６０１６６５」のページの引用論文から肥満のオブジェクトを生成した（本実施形態におけるオブジェクト生成部１０２ｄに対応）。また、「κ」を「０．８６」にしたときの肥満のオブジェクトの次元数「５」による類似度（本実施形態におけるオブジェクト間類似度情報算出部１０２ｅにより算出された類似度情報に対応）を用いた。
【０２２９】
図１１からわかるように、下からやや左にかけた位置の遺伝子に肥満との関連の構造が認められる。従って、同じ２次元平面上の遺伝子の分布が３疾患との関連と肥満との関連のそれぞれの構造の記述を果たしているということができる。
【０２３０】
そして、その両者の対比による知識発見として、糖尿病と高血圧の一部の関連遺伝子に肥満との結びつきが挙げられ、妥当性が認められる。
【０２３１】
なお、糖尿病や高血圧の肥満との関連は医学的に知られている（例えば、「佐々木博巳，“バイオ研究イラストマップ”，羊土社，２００１．」参照）。
【０２３２】
ここに、「ＯＭＩＭ」には含まれない遺伝子についてもその遺伝子を記述した文書群を通してオブジェクトを生成し、図１０や図１１に付加する形でプロットすることで３疾患や肥満との関連を把握することが可能である。このように遺伝子知識の構造化は、機能が未知の遺伝子に対する推定へつながる。
【０２３３】
つまり、遺伝子間の関係についてはこれまで遺伝子名の論文中の共起頻度に基づく網羅的な検討（例えば、「Ｔ．Ｊｅｎｓｓｅｎ ｅｔ ａｌ．，“Ａｌｉｔｅｒａｔｕｒｅ ｎｅｔｗｏｒｋ ｏｆ ｈｕｍａｎ ｇｅｎｅｓ ｆｏｒ ｈｉｇｈ−ｔｈｒｏｕｇｈｐｕｔ ａｎａｌｙｓｉｓ ｏｆ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ”，Ｎａｔ． Ｇｅｎｅｔ．， ｖｏｌ．２８，Ｎｏ．５，ｐｐ２１−２８，２００１．」参照。）が報告され、その結果が広く活用されているが、本発明によれば、より高次の定量化を実現すると共に、肥満の例のような他の概念との関連と適宜あわせて示されることが特筆すべき点である。
【０２３４】
（４．遺伝子と臓器の知識の横断的融合）
ここでは、本発明の語で表現される概念への適用性を予備的に検証した上で、遺伝子と臓器を例に知識の横断的融合に関する実験について述べる。
【０２３５】
ここで、遺伝子の機能は遺伝子産物が担う機能、遺伝子産物のネットワークが担う機能、遺伝子の発現場所で定められるとされ（例えば、「Ｍ．Ａｓｈｂｕｒｎｅｒ ｅｔ ａｌ．，“Ｇｅｎｅ ｏｎｔｏｌｏｇｙ：ｔｏｏｌ ｆｏｒ ｔｈｅ ｕｎｉｆｉｃａｔｉｏｎ ｏｆ ｂｉｏｌｏｇｙ”，Ｎａｔ． Ｇｅｎｅｔ．， ｖｏｌ．２５，Ｎｏ．１，ｐｐ２５−２９，２０００．」参照。）、臓器は第３点目に着目したものである。
【０２３６】
図１２は予備実験で取り上げるオブジェクトで（３．遺伝子知識の構造化）のアルツハイマー病（Ａｌｚｈｅｉｍｅｒｄｉｓｅａｓｅ）、糖尿病（ｄｉａｂｅｔｅｓ ｍｅｌｌｉｔｕｓ）および高血圧（ｈｙｐｅｒｔｅｎｓｉｏｎ）の３疾患に、糖尿病に医学的に関連（例えば、「佐々木博巳，“バイオ研究イラストマップ”，羊土社，２００１．」参照。）が知られるインスリン（ｉｎｓｕｌｉｎ）、グルコキナーゼ（ｇｌｕｃｏｋｉｎａｓｅ）と高血圧に関連の知られる副腎皮質刺激ホルモン（ｃｏｒｔｉｃｏｔｒｏｐｉｎ）、アルドステロン（ａｌｄｏｓｔｅｒｏｎｅ）を加えた計７つを生成した。
【０２３７】
ただし、ここでの実験では、直接「ＰｕｂＭｅｄ」により各語を検索語にして得た論文を用いた。
【０２３８】
ここには、語を含むことを通して概念を共有しているとみる考え方に基づいている。検索時には「ＭｅＳＨ Ｍａｊｏｒ Ｔｏｐｉｃ」、「Ｅｎｇｌｉｕｈ」、「Ｈｕｍａｎ」のオプションを付与し、対象論文を得た。
【０２３９】
例えば、アルツハイマー病のオブジェクトは、「Ａｌｚｈｅｉｍｅｒ ｄｉｓｅａｓｅ」を検索語に１９９９年１月から２００１年１２月（Ｐｕｂｌｉｃａｔｉｏｎ Ｄａｔａ）の３年間を対象にして得た３７４０件から生成され（本実施形態におけるオブジェクト生成部１０２ｄに対応）、「κ＝０．５１」としたときの次元数は「４」である。
【０２４０】
図１３にこれらの７つのオブジェクトの間に得られた類似度を通して相対関係を示す。図１３では高血圧に関する上記２つのオブジェクトと高血圧との関連はそれほど深く示されていないが、相対的には前述した医学的知見と整合する結果が得られている。
【０２４１】
特に、糖尿病に関する上記２つは糖尿病と間でどちらも１に近い大きな値が得られており、「ＯＭＩＭ」に含まれる疾患や遺伝子に限定されず、一般に相互の関係が定量化可能であることがわかる。
【０２４２】
図１４は実験に用いる臓器に関連のある遺伝子である。実験に用いる臓器は腎臓（ｋｉｄｎｅｙ）、下垂体（ｐｉｔｕｉｔａｒｙ ｇｌａｎｄ）、副腎（ａｄｒｅｎａｌ ｇｌａｎｄ）、脂肪（ａｄｉｐｏｓｅ）組織の４つであり、本節で既に述べた方法で４つの臓器のオブジェクトを新たに生成した。
【０２４３】
ここで、高血圧に関係深い臓器を取り上げた。血圧の調節機構にレニン・アンジオテンシン・アルドステロン系が知られており、その中心的役割の１つのレニンが腎から分泌される酵素であることなどから腎臓は高血圧に関連深い臓器に位置付けられる。
【０２４４】
また、ホルモンはホメオスターシスと呼ばれる血圧などの恒常性維持の役割を担うもので（例えば、「医学大辞典、南山堂、１９９８」参照。）、ホルモンの代表的な生成器官である下垂体と副腎は上記血圧の調節機構との関係が知られている。
【０２４５】
また、血圧に影響を与える要因に肥満が知られ、脂肪組織と関係がある。
【０２４６】
また、腎臓、下垂体、副腎および脂肪組織のオブジェクトはそれぞれ、「ｋｉｄｎｅｙ」、「ｐｉｔｕｉｔａｒｙ ｇｌａｎｄ」、「ａｄｒｅｎａｌ ｇｌａｎｄ」、および、「ａｄｉｐｏｓｅ ｔｉｓｓｕｅ」を検索語に２００１年１月から１２月の１年間を対象にして得た１０８４、２４０、１１５、および、４１９件から生成した（本実施形態におけるオブジェクト生成部１０２ｄに対応）。
【０２４７】
また、「κ」が「０．５１」のときの次元数「ｎｗ」はぞれぞれ、「１６」、「３」、「４」、および、「２」であり、腎臓が他の３つに比べて広い概念をもち、多様な働きをすることが考えられる。
【０２４８】
図１４はそれら４つの臓器と関連のある遺伝子を対象に選ばれており、図１４に文献「ＭＫ．Ｈａｌｕｓｈｋａ ｅｔ ａｌ．，“ＧＩＳＴ： Ａ ｗｅｂ ｔｏｏｌ ｆｏｒ ｃｏｌｌｅｃｔｉｎｇ ｇｅｎｅ ｉｎｆｏｒｍａｔｉｏｎ”，Ｐｈｙｓｉｏｌ．Ｇｅｎｏｍｉｃｓ，ｖｏｌ．１，Ｎｏ．２，ｐｐ７５−８１，１９９９．」による発現臓器と機能クラスをあわせて示す。
【０２４９】
ここで、「高血圧候補遺伝子リスト（例えば、「ＭＫ．Ｈａｌｕｓｈｋａ ｅｔ ａｌ．，“ＧＩＳＴ： Ａ ｗｅｂ ｔｏｏｌ ｆｏｒ ｃｏｌｌｅｃｔｉｎｇ ｇｅｎｅ ｉｎｆｏｒｍａｔｉｏｎ”，Ｐｈｙｓｉｏｌ．Ｇｅｎｏｍｉｃｓ，ｖｏｌ．１，Ｎｏ．２，ｐｐ７５−８１，１９９９．」参照。）」の「Ｅｘｐｒｅｓｓｅｄ ｉｎ ｃＤＮＡ Ｌｉｂｒａｒｙ Ｆｒｏｍ Ｓｔａｔｅｄ Ｏｒｇａｎ」において、当該臓器で特異的に発現するとされる遺伝子により便宜的に選んだ。
【０２５０】
また、遺伝子発現とはタンパク質合成を通して機能が現れることで、臓器や時期などに依存して調節されることが知られている（例えば、「医学大辞典、南山堂、１９９８」参照。）。
【０２５１】
また、「高血圧候補遺伝子リスト」では、１６の機能クラスのいずれかが各遺伝子に付与されている。
【０２５２】
そして、４つの臓器および図１４の１２の遺伝子に対し、（３．遺伝子知識の構造化）と同様に２次元平面上にマップしたのが図１５であり、臓器および遺伝子がそれぞれ、「＊」および「＋」のマークで示されている。
【０２５３】
図１５をみると脂肪組織と「ＬＥＰ」、並びに下垂体と「ＴＲＨＲ」、「ＶＰＲ１Ｂ」遺伝子は、関連に応じて近く布置されていることがわかる。副腎に関連する３つの遺伝子は図の上下に、「ＣＹＰ１１Ｂ２」遺伝子と「ＴＨ」、「ＤＢＨ」遺伝子に分かれてしまっているが、図１４の最右欄の機能クラスの違いが反映された結果とみることができる。
【０２５４】
ここには、「ＣＹＰ１１Ｂ２」遺伝子と最も近い位置にある「ＲＥＮ」遺伝子が共通の「Ｒｅｎｉｎ−Ａｎｇｉｏｔｅｎｓｉｎ ｐａｔｈｗａｙ」の機能クラスに属すことから妥当性が確認できる。
【０２５５】
また、腎臓と関連する図の右上の「Ｃｈａｎｎｅｌ ＆ Ｔｒａｎｓｐｏｒｔｅｒ」の機能クラスに属す遺伝子４つから「ＲＥＮ」遺伝子が図の左へ離れているのも機能クラスの違いが示されていると判断できる。
【０２５６】
また、「ＰＴＧＥＲ３」遺伝子が同じく腎臓と関連がある遺伝子４つと離れて右下に位置にあるのも機能クラスの異なることによるものと判断される。
【０２５７】
このように、本発明を通して知識の融合と構造化が実現され、体系的理解が知識発見につながることがわかる．また，本発明によれば、手元にある関心対象の文書群に対しても同様にオブジェクトを生成することで既存知識の疾患や臓器、遺伝子との関係把握を可能とする。
【０２５８】
なお、数式２から分かる通り、新たな知見に伴う文書の追加や削除によるオブジェクトの再生成には最初から計算し直すことなく適応的に処理可能であり、本発明の特長に挙げられる。
【０２５９】
また、同様にあらためて計算することなく複数のオブジェクトの併合が可能であり、例えば遺伝子発現データクラスタリングから得られる遺伝子群を統合したオブジェクト生成により、共通の機能推定を図る適用が考えられる。
【０２６０】
また、遺伝子間の関係を示した図（図１０および図１１）および遺伝子との相対関係を示した図（図１５）のような図を作成すること（全ての組み合わせの類似度があれば多次元尺度法（例えば、「林知己夫，飽戸弘，“多次元尺度解析法”，サイエンス社，１９７６．」参照。）により実現可）は、遺伝子の機能推定を可能にする視覚的手段の位置づけであり、他の方式（例えば、閾値より大きければ「機能あり」のような数理的な方式など）により遺伝子の機能推定をしてもよい。
【０２６１】
このように、本発明では語の出現パターンの統計的な学習によりオブジェクトを生成し、オブジェクト間の相対関係を定量化した。既存の知識の関連付けにより体系的理解をねらいとする知識構造化において、本発明によれば全体をふかんした大規模な知識構造化を実現することを述べ、実験結果を通して遺伝子機能推定への有効性を示した。
【０２６２】
また、高血圧や糖尿病などの生活習慣病は、環境や複数の遺伝子を要因に引き起こされるとされており（例えば、「堀内正嗣，福田恵一，森下竜一，“生活習慣と遺伝子疾患”，メディカルレビュー社，２００２．」参照。）、本発明による全体のふかんは不可欠である。
【０２６３】
従来は、個別の遺伝子の塩基配列などに着目して機能が解析されたが、システムとして理解する必要性から全体の系の中から各遺伝子の働きの解析が求められてきている（例えば、「中村祐輔，“概論‐個の遺伝子研究からゲノムワイドの遺伝子研究へ”，実験医学，Ｖｏｌ．１８，Ｎｏ．１２，ｐｐ．１８−２０，２０００．」参照。）。
【０２６４】
そして、本実施例の実験で例に取り上げた臓器をはじめ、時空間的なひろがりをもった相互の関連の理解が今後は重要となる。
【０２６５】
なお、対象とする遺伝子を人間の遺伝子数相当とされる数万規模において処理可能である。
【０２６６】
また、本発明は数値データも併せて扱うことができ、例えば「ＣＲＭ（顧客関係管理）」分野において顧客や商品をオブジェクトに購買履歴などを学習し、相互の関連に基づいた商品推薦のリコメンデーションのアプリケーションへの展開も可能である。
【０２６７】
［他の実施の形態］
さて、これまで本発明の実施の形態について説明したが、本発明は、上述した実施の形態以外にも、上記特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施の形態にて実施されてよいものである。
【０２６８】
例えば、遺伝子機能推定装置１００がスタンドアローンの形態で処理を行う場合を一例に説明したが、遺伝子機能推定装置１００とは別筐体で構成されるクライアント端末からの要求に応じて処理を行い、その処理結果を当該クライアント端末に返却するように構成してもよい。
【０２６９】
また、実施形態において説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。
【０２７０】
この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種の登録データや検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。
【０２７１】
また、遺伝子機能推定装置１００に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。
【０２７２】
例えば、遺伝子機能推定装置１００の各部または各装置が備える処理機能、特に制御部１０２にて行なわれる各処理機能については、その全部または任意の一部を、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて実現することができ、あるいは、ワイヤードロジックによるハードウェアとして実現することも可能である。なお、プログラムは、後述する記録媒体に記録されており、必要に応じて遺伝子機能推定装置１００に機械的に読み取られる。
【０２７３】
すなわち、ＲＯＭまたはＨＤなどの記憶部１０６などには、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭ等にロードされることによって実行され、ＣＰＵと協働して制御部１０２を構成する。また、このコンピュータプログラムは、遺伝子機能推定装置１００に対して任意のネットワーク３００を介して接続されたアプリケーションプログラムサーバに記録されてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。
【０２７４】
また、本発明にかかるプログラムを、コンピュータ読み取り可能な記録媒体に格納することもできる。ここで、この「記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等の任意の「可搬用の物理媒体」や、各種コンピュータシステムに内蔵されるＲＯＭ、ＲＡＭ、ＨＤ等の任意の「固定用の物理媒体」、あるいは、ＬＡＮ、ＷＡＮ、インターネットに代表されるネットワークを介してプログラムを送信する場合の通信回線や搬送波のように、短期にプログラムを保持する「通信媒体」を含むものとする。
【０２７５】
また、「プログラム」とは、任意の言語や記述方法にて記述されたデータ処理方法であり、ソースコードやバイナリコード等の形式を問わない。なお、「プログラム」は必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に代表される別個のプログラムと協働してその機能を達成するものをも含む。なお、実施の形態に示した各装置において記録媒体を読み取るための具体的な構成、読み取り手順、あるいは、読み取り後のインストール手順等については、周知の構成や手順を用いることができる。
【０２７６】
記憶部１０６に格納される各種のファイル等（文書情報集合ファイル１０６ａ〜推定結果ファイル１０６ｋ）は、ＲＡＭ、ＲＯＭ等のメモリ装置、ハードディスク等の固定ディスク装置、フレキシブルディスク、光ディスク等のストレージ手段であり、各種処理やウェブサイト提供に用いる各種のプログラムやテーブルやファイルやデータベースやウェブページ用ファイル等を格納する。
【０２７７】
また、遺伝子機能推定装置１００は、既知のパーソナルコンピュータ、ワークステーション等の情報処理端末等の情報処理装置にプリンタやモニタやイメージスキャナ等の周辺装置を接続し、該情報処理装置に本発明の方法を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより実現してもよい。
【０２７８】
さらに、遺伝子機能推定装置１００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷等に応じた任意の単位で、機能的または物理的に分散・統合して構成することができる。例えば、各データベースを独立したデータベース装置として独立に構成してもよく、また、処理の一部をＣＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａｃｅ）を用いて実現してもよい。
【０２７９】
また、ネットワーク３００は、遺伝子機能推定装置１００と外部システム２００とを相互に接続する機能を有し、例えば、インターネットや、イントラネットや、ＬＡＮ（有線／無線の双方を含む）や、ＶＡＮや、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ網や、ＩＭＴ２０００方式、ＧＳＭ方式またはＰＤＣ／ＰＤＣ−Ｐ方式等の携帯回線交換網／携帯パケット交換網や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ等の局所無線網や、ＰＨＳ網や、ＣＳ、ＢＳまたはＩＳＤＢ等の衛星通信網等のうちいずれかを含んでもよい。すなわち、本システムは、有線・無線を問わず任意のネットワークを介して、各種データを送受信することができる。
【０２８０】
【発明の効果】
以上詳細に説明したように、本発明によれば、概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得し、取得された文書情報集合に含まれる各文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された文書ベクトル情報に基づいて、文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出し、算出された固有値情報に対応する固有ベクトル情報に基づいて、固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成し、生成されたオブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、オブジェクト間の類似度情報を算出し、特定の遺伝子に対応するオブジェクトと、任意のオブジェクトとの間の類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定するので、広範囲で膨大な量の文書情報に対する計算機による自動処理を通して、例えば、疾患関連遺伝子の抽出を実現し、新しい薬剤や治療法の開発でのコストを削減することにつなげることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８１】
また、本発明によれば、具体的には、医学生物学的な語の集合における各語の出現パターンの統計的な機械学習によりオブジェクトを生成し、その出現パターンのマッチングによりオブジェクト間の相対関係を算出することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８２】
また、本発明によれば、具体的には、例えば、遺伝子、疾患、臓器、化合物などの要素概念をオブジェクトとして扱い、論文をはじめとした文書情報を基に、類似度の尺度で当該オブジェクト群の相互の関連を定量化し、例えば、遺伝子と疾患の間を関連付けて疾患関連遺伝子を抽出（機能推定）するなど知識構造化を図ることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８３】
また、本発明によれば、疾患の他、臓器や化合物、免疫などの作用や肥満、喫煙などと遺伝子との関連を統合的に把握することを可能にすることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８４】
また、本発明によれば、手元の文書群（例えば、新規遺伝子、薬剤やタンパク質に関して記述されたもの）からオブジェクト生成することで、既存の概念との関連が推測でき、薬剤開発などでの工数を削減することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８５】
また、本発明によれば、文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に文書ベクトル情報を作成することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８６】
また、本発明によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを文書ベクトル情報に反映させることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８７】
また、本発明によれば、文書ベクトル情報に基づいて、数式２に示す文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、簡単に固有値を算出することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８８】
また、本発明によれば、固有値情報に対応する固有ベクトル情報に基づいて、数式３より定められる固有ベクトル情報を基底とする空間により導出されるオブジェクトを生成するので、オブジェクトの空間の次元数がパターン分布に反映される概念の広がりに対応するように、オブジェクトを生成することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２８９】
また、本発明によれば、オブジェクトの固有値情報および当該固有値情報に対応する固有ベクトル情報に基づいて、数式４で定義されたオブジェクト間の類似度情報を算出するので、２つのオブジェクト間の類似度を２つの空間がなす角度に基づいて算出することができ、当該類似度の尺度でオブジェクト間の相対関係を定量化し、知識構造化を図ることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２９０】
また、本発明によれば、正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得し、取得された学習文書情報集合の学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成し、作成された学習文書ベクトル情報を用いて正規直交変換を行うための正規直交行列を取得し、取得された正規直交行列にて文書ベクトル情報を正規直交変換し、固有値の累積寄与率を基準に次元圧縮した空間に変換し、変換された文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出するので、単語情報集合の冗長性を除いて処理量を効果的に削減することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２９１】
また、本発明によれば、学習文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報の積に基づいて作成するので、簡単に学習文書ベクトル情報を作成することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２９２】
また、本発明によれば、重み情報は、単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であるので、語の意味合いの深さを学習文書ベクトル情報に反映させることができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【０２９３】
さらに、本発明によれば、文書ベクトル情報を正規直交変換し、数式８で定義される固有値の累積寄与率を基準に次元圧縮した空間に変換するので、効果的に次元圧縮することができる遺伝子機能推定装置、遺伝子機能推定方法、および、プログラムを提供することができる。
【図面の簡単な説明】
【図１】本発明の基本原理を示す原理構成図である。
【図２】本発明が適用される本システムの構成の一例を示すブロック図である。
【図３】本実施形態における本システムのメイン処理の一例を示すフローチャートである。
【図４】本実施形態における本システムの次元圧縮処理の一例を示すフローチャートである。
【図５】頻度上位２５による実験に用いる語の例を示す図である。
【図６】「ＰｕｂＭｅｄ」のＩＤが「８６６１０１９」の論文を用いた語の抽出例を示す図である。
【図７】抽出された遺伝子と「ＧｅｎｅＣａｒｄｓ」による遺伝子との関係の一例を示す図である。
【図８】抽出された遺伝子と「高血圧候補遺伝子リスト」による遺伝子との関係の一例を示す図である。
【図９】高血圧に関する上位２０の抽出遺伝子を示す図である。
【図１０】疾患と関連付けた遺伝子間の関係を示す図である。
【図１１】肥満との関連をみた遺伝子間の関係を示す図である。
【図１２】疾患関連語によるオブジェクトの一例を示す図である。
【図１３】疾患関連語によるオブジェクト間の相対関係の一例を示す図である。
【図１４】実験に用いる臓器に関連のある遺伝子の一例を示す図である。
【図１５】臓器と遺伝子との相対関係の一例を示す図である。
【符号の説明】
１００ 遺伝子機能推定装置
１０２ 制御部
１０２ａ 文書情報集合取得部
１０２ｂ 文書ベクトル情報作成部
１０２ｃ 固有値情報算出部
１０２ｄ オブジェクト生成部
１０２ｅ オブジェクト間類似度情報算出部
１０２ｆ 学習文書情報集合取得部
１０２ｇ 学習文書ベクトル情報作成部
１０２ｈ 正規直交行列取得部
１０２ｉ 正規直交変換部
１０２ｊ 遺伝子機能推定部
１０４ 通信制御インターフェース部
１０６ 記憶部
１０６ａ 文書情報集合ファイル
１０６ｂ 単語情報集合ファイル
１０６ｃ 文書ベクトル情報ファイル
１０６ｄ 固有値情報ファイル
１０６ｅ オブジェクトファイル
１０６ｆ オブジェクト間類似度情報ファイル
１０６ｇ 学習文書情報集合ファイル
１０６ｈ 学習文書ベクトル情報ファイル
１０６ｉ 正規直交行列ファイル
１０６ｊ 変換文書ベクトル情報ファイル
１０６ｋ 推定結果ファイル
１０８ 入出力制御インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ 外部システム
３００ ネットワーク
Claims (30)
- 概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得手段と、
上記文書情報集合取得手段により取得された上記文書情報集合に含まれる各上記文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成手段と、
上記文書ベクトル情報作成手段により作成された上記文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出手段と、
上記固有値情報算出手段により算出された上記固有値情報に対応する固有ベクトル情報に基づいて、上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成するオブジェクト生成手段と、
上記オブジェクト生成手段により生成された上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、上記オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出手段と、
上記オブジェクト間類似度情報算出手段により特定の遺伝子に対応する上記オブジェクトと、任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定手段と、
を備えたことを特徴とする遺伝子機能推定装置。 - 上記文書ベクトル情報作成手段は、
上記文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成すること、
を特徴とする請求項１に記載の遺伝子機能推定装置。 - 上記重み情報は、
単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であること、
を特徴とする請求項１または２に記載の遺伝子機能推定装置。 - 上記固有値情報算出手段は、
上記文書ベクトル情報に基づいて、数式２に示す上記文書ベクトル情報の上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出すること、
を特徴とする請求項１から３のいずれか一つに記載の遺伝子機能推定装置。 - 上記オブジェクト生成手段は、
上記固有値情報に対応する上記固有ベクトル情報に基づいて、数式３より定められる上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成すること、
を特徴とする請求項１から４のいずれか一つに記載の遺伝子機能推定装置。 - 上記オブジェクト間類似度情報算出手段は、
上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、数式４で定義された上記オブジェクト間の類似度情報を算出すること、
を特徴とする請求項１から５のいずれか一つに記載の遺伝子機能推定装置。 - 正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書情報集合取得手段と、
上記学習文書情報集合取得手段により取得された上記学習文書情報集合の上記学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報に基づいて作成する学習文書ベクトル情報作成手段と、
上記学習文書ベクトル情報作成手段により作成された上記学習文書ベクトル情報を用いて上記正規直交変換を行うための正規直交行列を取得する正規直交行列取得手段と、
上記正規直交行列取得手段により取得された正規直交行列にて上記文書ベクトル情報を上記正規直交変換し、上記固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換手段と、
をさらに備え、
上記固有値情報算出手段は、上記正規直交変換手段にて変換された上記文書ベクトル情報に基づいて、上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出すること、
を特徴とする請求項１から６のいずれか一つに記載の遺伝子機能推定装置。 - 上記学習文書ベクトル情報作成手段は、
上記学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成すること、
を特徴とする請求項７に記載の遺伝子機能推定装置。 - 上記重み情報は、
単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であること、
を特徴とする請求項７または８に記載の遺伝子機能推定装置。 - 上記正規直交変換手段は、
上記文書ベクトル情報を正規直交変換し、数式８で定義される上記固有値の累積寄与率を基準に次元圧縮した空間に変換すること、
を特徴とする請求項７から９のいずれか一つに記載の遺伝子機能推定装置。 - 概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得ステップと、
上記文書情報集合取得ステップにより取得された上記文書情報集合に含まれる各上記文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成ステップと、
上記文書ベクトル情報作成ステップにより作成された上記文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出ステップと、
上記固有値情報算出ステップにより算出された上記固有値情報に対応する固有ベクトル情報に基づいて、上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成するオブジェクト生成ステップと、
上記オブジェクト生成ステップにより生成された上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、上記オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出ステップと、
上記オブジェクト間類似度情報算出ステップにより特定の遺伝子に対応する上記オブジェクトと、任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定ステップと、
を含むことを特徴とする遺伝子機能推定方法。 - 上記文書ベクトル情報作成ステップは、
上記文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成すること、
を特徴とする請求項１１に記載の遺伝子機能推定方法。 - 上記重み情報は、
単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であること、
を特徴とする請求項１１または１２に記載の遺伝子機能推定方法。 - 上記固有値情報算出ステップは、
上記文書ベクトル情報に基づいて、数式２に示す上記文書ベクトル情報の上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出すること、
を特徴とする請求項１１から１３のいずれか一つに記載の遺伝子機能推定方法。 - 上記オブジェクト生成ステップは、
上記固有値情報に対応する上記固有ベクトル情報に基づいて、数式３より定められる上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成すること、
を特徴とする請求項１１から１４のいずれか一つに記載の遺伝子機能推定方法。 - 上記オブジェクト間類似度情報算出ステップは、
上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、数式４で定義された上記オブジェクト間の類似度情報を算出すること、
を特徴とする請求項１１から１５のいずれか一つに記載の遺伝子機能推定方法。 - 正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書情報集合取得ステップと、
上記学習文書情報集合取得ステップにより取得された上記学習文書情報集合の上記学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報に基づいて作成する学習文書ベクトル情報作成ステップと、
上記学習文書ベクトル情報作成ステップにより作成された上記学習文書ベクトル情報を用いて上記正規直交変換を行うための正規直交行列を取得する正規直交行列取得ステップと、
上記正規直交行列取得ステップにより取得された正規直交行列にて上記文書ベクトル情報を上記正規直交変換し、上記固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換ステップと、
をさらに含み、
上記固有値情報算出ステップは、上記正規直交変換ステップにて変換された上記文書ベクトル情報に基づいて、上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出すること、
を特徴とする請求項１１から１６のいずれか一つに記載の遺伝子機能推定方法。 - 上記学習文書ベクトル情報作成ステップは、
上記学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成すること、
を特徴とする請求項１７に記載の遺伝子機能推定方法。 - 上記重み情報は、
単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であること、
を特徴とする請求項１７または１８に記載の遺伝子機能推定方法。 - 上記正規直交変換ステップは、
上記文書ベクトル情報を正規直交変換し、数式８で定義される上記固有値の累積寄与率を基準に次元圧縮した空間に変換すること、
を特徴とする請求項１７から１９のいずれか一つに記載の遺伝子機能推定方法。 - 概念を共有するオブジェクトの生成に用いる文書情報の集合である文書情報集合を取得する文書情報集合取得ステップと、
上記文書情報集合取得ステップにより取得された上記文書情報集合に含まれる各上記文書情報をベクトルで表現した文書ベクトル情報を、定められた単語情報集合における各単語情報の出現頻度情報および重み情報に基づいて作成する文書ベクトル情報作成ステップと、
上記文書ベクトル情報作成ステップにより作成された上記文書ベクトル情報に基づいて、上記文書ベクトル情報の自己相関行列のＫＬ展開から固有値情報を算出する固有値情報算出ステップと、
上記固有値情報算出ステップにより算出された上記固有値情報に対応する固有ベクトル情報に基づいて、上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成するオブジェクト生成ステップと、
上記オブジェクト生成ステップにより生成された上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、上記オブジェクト間の類似度情報を算出するオブジェクト間類似度情報算出ステップと、
上記オブジェクト間類似度情報算出ステップにより特定の遺伝子に対応する上記オブジェクトと、任意のオブジェクトとの間の上記類似度情報を算出し、当該類似度情報に基づいて、当該特定の遺伝子の機能を推定する遺伝子機能推定ステップと、
を含む遺伝子機能推定方法をコンピュータに実行させることを特徴とするプログラム。 - 上記文書ベクトル情報作成ステップは、
上記文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成すること、
を特徴とする請求項２１に記載のプログラム。 - 上記重み情報は、
単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式１から算出される「ＩＤＦ（ｋ）」であること、
を特徴とする請求項２１または２２に記載のプログラム。 - 上記固有値情報算出ステップは、
上記文書ベクトル情報に基づいて、数式２に示す上記文書ベクトル情報の上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出すること、
を特徴とする請求項２１から２３のいずれか一つに記載のプログラム。 - 上記オブジェクト生成ステップは、
上記固有値情報に対応する上記固有ベクトル情報に基づいて、数式３より定められる上記固有ベクトル情報を基底とする空間により導出される上記オブジェクトを生成すること、
を特徴とする請求項２１から２４のいずれか一つに記載のプログラム。 - 上記オブジェクト間類似度情報算出ステップは、
上記オブジェクトの上記固有値情報および当該固有値情報に対応する上記固有ベクトル情報に基づいて、数式４で定義された上記オブジェクト間の類似度情報を算出すること、
を特徴とする請求項２１から２５のいずれか一つに記載のプログラム。 - 正規直交変換に用いる学習文書情報の集合である学習文書情報集合を取得する学習文書情報集合取得ステップと、
上記学習文書情報集合取得ステップにより取得された上記学習文書情報集合の上記学習文書情報をベクトルで表現した学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報に基づいて作成する学習文書ベクトル情報作成ステップと、
上記学習文書ベクトル情報作成ステップにより作成された上記学習文書ベクトル情報を用いて上記正規直交変換を行うための正規直交行列を取得する正規直交行列取得ステップと、
上記正規直交行列取得ステップにより取得された正規直交行列にて上記文書ベクトル情報を上記正規直交変換し、上記固有値の累積寄与率を基準に次元圧縮した空間に変換する正規直交変換ステップと、
をさらに含み、
上記固有値情報算出ステップは、上記正規直交変換ステップにて変換された上記文書ベクトル情報に基づいて、上記自己相関行列の上記ＫＬ展開から上記固有値情報を算出すること、
を特徴とする請求項２１から２６のいずれか一つに記載のプログラム。 - 上記学習文書ベクトル情報作成ステップは、
上記学習文書ベクトル情報を、定められた上記単語情報集合における上記各単語情報の上記出現頻度情報および上記重み情報の積に基づいて作成すること、
を特徴とする請求項２７に記載のプログラム。 - 上記重み情報は、
単語情報識別番号「ｋ」に対応する単語情報に関する重みであって、語の意味合いの深さを表す量である、数式７から算出される「ＩＤＦ（ｋ）」であること、
を特徴とする請求項２７または２８に記載のプログラム。 - 上記正規直交変換ステップは、
上記文書ベクトル情報を正規直交変換し、数式８で定義される上記固有値の累積寄与率を基準に次元圧縮した空間に変換すること、
を特徴とする請求項２７から２９のいずれか一つに記載のプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003088382A JP2004295606A (ja) | 2003-03-27 | 2003-03-27 | 遺伝子機能推定装置、遺伝子機能推定方法、および、プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003088382A JP2004295606A (ja) | 2003-03-27 | 2003-03-27 | 遺伝子機能推定装置、遺伝子機能推定方法、および、プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004295606A true JP2004295606A (ja) | 2004-10-21 |
Family
ID=33402527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003088382A Pending JP2004295606A (ja) | 2003-03-27 | 2003-03-27 | 遺伝子機能推定装置、遺伝子機能推定方法、および、プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004295606A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006209357A (ja) * | 2005-01-26 | 2006-08-10 | Ntt Data Corp | 遺伝子探索装置、遺伝子探索方法、遺伝子探索プログラムおよび記録媒体 |
| JP2007193693A (ja) * | 2006-01-20 | 2007-08-02 | Ntt Data Corp | 関連概念抽出装置、関連概念抽出方法、プログラムおよび記録媒体 |
| CN102955791A (zh) * | 2011-08-23 | 2013-03-06 | 句容今太科技园有限公司 | 网络信息搜索与分类服务系统 |
| CN111584007A (zh) * | 2020-05-25 | 2020-08-25 | 北京理工大学 | 基因功能序列权利范围认定、检索及侵权判定方法与系统 |
| KR20200121039A (ko) * | 2019-04-15 | 2020-10-23 | 인천대학교 산학협력단 | 암에 따른 유전자 간의 상관관계에 기초하여 유전자 분산 표현을 위한 유전자 특징 벡터를 생성하는 전자 장치 및 그 동작 방법 |
-
2003
- 2003-03-27 JP JP2003088382A patent/JP2004295606A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006209357A (ja) * | 2005-01-26 | 2006-08-10 | Ntt Data Corp | 遺伝子探索装置、遺伝子探索方法、遺伝子探索プログラムおよび記録媒体 |
| JP2007193693A (ja) * | 2006-01-20 | 2007-08-02 | Ntt Data Corp | 関連概念抽出装置、関連概念抽出方法、プログラムおよび記録媒体 |
| CN102955791A (zh) * | 2011-08-23 | 2013-03-06 | 句容今太科技园有限公司 | 网络信息搜索与分类服务系统 |
| KR20200121039A (ko) * | 2019-04-15 | 2020-10-23 | 인천대학교 산학협력단 | 암에 따른 유전자 간의 상관관계에 기초하여 유전자 분산 표현을 위한 유전자 특징 벡터를 생성하는 전자 장치 및 그 동작 방법 |
| KR102188118B1 (ko) | 2019-04-15 | 2020-12-07 | 인천대학교 산학협력단 | 암에 따른 유전자 간의 상관관계에 기초하여 유전자 분산 표현을 위한 유전자 특징 벡터를 생성하는 전자 장치 및 그 동작 방법 |
| CN111584007A (zh) * | 2020-05-25 | 2020-08-25 | 北京理工大学 | 基因功能序列权利范围认定、检索及侵权判定方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| You et al. | GOLabeler: improving sequence-based large-scale protein function prediction by learning to rank | |
| Wang et al. | Protein–protein interaction sites prediction by ensemble random forests with synthetic minority oversampling technique | |
| Li et al. | Cumulus provides cloud-based data analysis for large-scale single-cell and single-nucleus RNA-seq | |
| Yan et al. | Protein fold recognition based on multi-view modeling | |
| Siebert et al. | MARNA: multiple alignment and consensus structure prediction of RNAs based on sequence structure comparisons | |
| Liu et al. | Application of learning to rank to protein remote homology detection | |
| Wang et al. | Improved detection of DNA-binding proteins via compression technology on PSSM information | |
| Thalamuthu et al. | Evaluation and comparison of gene clustering methods in microarray analysis | |
| Zhou et al. | SPEM: improving multiple sequence alignment with sequence profiles and predicted secondary structures | |
| Dong et al. | Application of latent semantic analysis to protein remote homology detection | |
| Ji et al. | Identifying time-lagged gene clusters using gene expression data | |
| US20190130290A1 (en) | Object oriented system and method having semantic substructures for machine learning | |
| Newkirk et al. | AREM: aligning short reads from ChIP-sequencing by expectation maximization | |
| Barukab et al. | DBP-CNN: Deep learning-based prediction of DNA-binding proteins by coupling discrete cosine transform with two-dimensional convolutional neural network | |
| Nanni et al. | Set of approaches based on 3D structure and position specific-scoring matrix for predicting DNA-binding proteins | |
| Girgis et al. | Identity: rapid alignment-free prediction of sequence alignment identity scores using self-supervised general linear models | |
| Dong et al. | BioMedR: an R/CRAN package for integrated data analysis pipeline in biomedical study | |
| Wang et al. | A steganalysis-based approach to comprehensive identification and characterization of functional regulatory elements | |
| Ringwald et al. | GXD: a Gene Expression Database for the laboratory mouse: current status and recent enhancements | |
| Li et al. | Cumulus: a cloud-based data analysis framework for large-scale single-cell and single-nucleus RNA-seq | |
| Dziubiński et al. | ResiCon: a method for the identification of dynamic domains, hinges and interfacial regions in proteins | |
| Juan et al. | Bioinformatics: microarray data clustering and functional classification | |
| Atalay et al. | Implicit motif distribution based hybrid computational kernel for sequence classification | |
| JP2004295606A (ja) | 遺伝子機能推定装置、遺伝子機能推定方法、および、プログラム | |
| Simoncini et al. | A structural homology approach for computational protein design with flexible backbone |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041207 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050207 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050920 |