九州大学-研究者情報 [西郷浩人 (准教授) システム情報科学研究院情報学部門]

1.	Saigo, H., Tsuda, K., Graph Mining for Chemoinformatics In Lodhi, H and Yamanishi, Y. editors Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Method and Collaborative Technique, 95-128, 2010.01.
2.	Kashima, H., Saigo, H., Hattori, M., Tsuda, K., Graph Kernels for Chemoinformatics In Lodhi, H and Yamanishi, Y. editors Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Method and Collaborative Techniques, IGI Global, 1-15, 2010.01.
3.	Saigo, H., Tsuda, K., Graph Classification In Sakr, C.C.C. and Wang, H. editors Managing and Mining Graph Data, Springer, 337-364, 2010.01.
4.	Saigo, H., Tsuda, K., Matrix Decomposition-based Dimensionality Reduction on Graph Data In Sakr, S. and Pardede, E. editors Graph Data Management: Techniques and Applications, IGI Global, 260-284, 2011.01.

主要原著論文

全てを見る→

1.	Saigo, H., Bahadur, K.C.D, Saito, N., Einstein-Roscoe regression for the slag viscosity prediction problem in steelmaking, Scientific Reports, 12, 2022.04.
2.	Saigo, H., Hattori, M., Kashima, H., and Tsuda, K., Reaction graph kernels that predict EC numbers of unknown enzymatic reactions in the secondary metabolism of plant, Asia Pacific Bioinformatics Conference (APBC2010), 2010.01.
3.	Saigo, H. and Tsuda, K., Iterative Subgraph Mining for Principal Component Analysis, IEEE International Conference on Data Mining (ICDM2008), 2008.12.
4.	Saigo, H., Kraemer, N. and Tsuda, K., Partial Least Squares Regression for Graph Mining, ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD2008), 2008.08.
5.	Saigo, H., M. Hattori and K. Tsuda:, Reaction graph kernels for discovering missing enzymes in the plant secondary metabolism, NIPS Workshop on Machine Learning in Computational Biology,, 2007.12.
6.	Saigo, H., Kadowaki, T., Kudo, T. and Tsuda, K., Graph boosting for molecular QSAR analysis, NIPS Workshop on Machine Learning in Computational Biology,, 2006.12.
7.	Saigo, H., Kadowaki, T. and Tsuda, K., A Linear Programming Approach for Molecular QSAR analysis, International Workshop on Mining and Learning with Graphs (MLG2006), 2006.09.
8.	Kodama, K., Saigo, H., KDE: a Kernel-based approach to detecting high-order genetic Epistasis, The 27th International Conference on Genome Informatics (GIW2016), 2016.10.
9.	Yafune, R., Sakuma, D., Tabei, Y., Saito, N., Saigo, H., Automatically mining relevant variable interactions via sparse Bayesian learning, International Conference on Pattern Recognition , 2021.01.
10.	Suryanto, C. H., Saigo, H., Fukui, K., Protein Structure Comparison Based on 3D Molecular Visualization Images, 2016.08.
11.	Kodama, K., Saigo, H., KDSNP: a Kernel-based approach to Detecting high-order genetic SNP interactions, 14, 5, 1644003, 2016.10.
12.	Shao, Z., Hirayama, Y., Yamanishi, Y., Saigo, H., Mining discriminative patterns from graph data with multiple labels and its application to QSAR, 55, 12, 2519-2527, 2015.12.
13.	Saigo, H., Kashima, H., Tsuda, K., Fast iterative mining using sparsity-inducing loss functions, 96-D, 8, 1766-1773, 2013.08.
14.	Yamanishi, Y., Pauwels, E., Saigo, H., Stoven, V. , Extracting sets of chemical substructures and protein domains governing drug-target interactions , 51, 5, 1183-1194, 2011.05.
15.	Saigo, H., Altmann, A., Bogojeska, J., Mueller, F., Nowozin, S., and Lengauer, T. , Learnig from past treatments and their outcome improves prediction of in vivo response t anti-HIV therapy , 10, 1, 2011.01.
16.	Saigo, H., Hattori, M., Kashima, H., and Tsuda, K., Reaction graph kernels that predict EC numbers of unknown enzymatic reactions in the secondary metabolism of plant, 11(supple 1), 1-7, 2010.10.
17.	Saigo, H., Nowozin, S., Kadowaki, T., Kudo, T., and Tsuda, K., gBoost: A mathematical programming approach to graph classification and regression, 75, 1, 69-89, 2009.04.
18.	Saigo, H., Uno, T. and Tsuda, K., Mining complex genotypic features for predicting HIV-1 drug resistance, 23, 18, 2455-2462, 2007.09.
19.	Saigo, H., Vert J.-P. and Akutsu, T., Optimizing amino acid substitution matrices with a local alignment kernel, 7, 246, 1-12, 2006.05.
20.	Danziger, S. A., Swamidass, S. J., Zeng, J., Dearth, L. R., Lu, Q., Cheng, J. H., Cheng, J. L., Hoang, V. P., Saigo, H., Luo, R., Baldi, P., Brachmann, R. K. and Lathrop, R. H., Functional census of mutation sequence spaces: The example of p53 cancer rescue mutants, 3, 2, 114-125, 2006.04.
21.	Cheng, J., Saigo, H. and Baldi, P., Large-scale prediction of disulphide bridges using kernel methods, two-dimensional recursive neural networks, and weighted graph matching,, 62, 3, 617-629, 2006.02.
22.	Matsuda, S., Vert, J.-P., Saigo, H., Ueda, N., Toh, H. and Akutsu, T., A novel representation of protein sequences for prediction of subcellular location using support vector machines, 14, 2804-2813, 2005.01.
23.	Ralaivola, L., Swamidass, J. S., Saigo, H. and Baldi, P., Graph Kernels for Chemical Informatics, 18, 8, 1093-1110, 2005.01.
24.	Saigo, H., Vert, J.-P., Ueda, N. and Akutsu, T., Protein homology detection using string alignment kernels, 20, 11, 1682-1689, 2004.01.

主要総説, 論評, 解説, 書評, 報告書等

全てを見る→

主要学会発表等

全てを見る→

1.	Yafune, R., Sakuma, D., Tabei, Y., Saito, N., Saigo, H., Automatically mining relevant variable interactions via sparse Bayesian learning, International Conference on Pattern Recognition , 2021.01.
2.	Takayanagi, M., Tabei, Y., Saigo, H., Entire regularization path for sparse nonnegative interaction model, International Conference on Data Mining (ICDM), 2018.11, 本研究では相互作用を考慮した非負値最小二乗法に対する正則化パス追跡アルゴリズムを提案した。組み合わせ空間の効率的な探索のための枝刈りを実装した本手法は、LASSOよりも大幅に小さい解集合を得られることを計算機実験で示した。 HIVデータを用いた実験では、重要な遺伝子要因の組み合わせを自動的に探索することにより、薬剤耐性モデルを正確に推定出来ることを示した。.
3.	Kodama, K., Saigo, H., KDE: a Kernel-based approach to detecting high-order genetic Epistasis, The 27th International Conference on Genome Informatics (GIW2016), 2016.10.
4.	Saigo, H., Hattori, M., Kashima, H., and Tsuda, K., Reaction graph kernels that predict EC numbers of unknown enzymatic reactions in the secondary metabolism of plant, Asia Pacific Bioinformatics Conference (APBC2010), 2010.01.
5.	Saigo, H., Mining and learning with structured data, BIT2016, 2016.03.
6.	Saigo, H., Towards predicting the epistasis in genome wide association study , BMIRC2015, 2015.03.
7.	Saigo, H., Towards predicting the epistasis in genome wide association study , BMIRC2015, 2015.03.

学会活動

所属学会名

日本鉄鋼協会

統計学会

人工知能学会

日本バイオインフォマティクス学会

学会大会・会議・シンポジウム等における役割

2021.09.24～2021.09.25, 電気・情報関係学会九州支部連合大会, プログラム編集委員長.

2020.09.01～2020.09.03, 生命医薬情報学連合大会 (IIBMP2020), プログラム委員.

2020.12.06～2020.12.12, Neural Information Processing Systems (Neurips2020), プログラム委員.

2020.07.12～2020.07.18, International Conference on Machine Learning (ICML2020), プログラム委員.

2019.11.20～2019.11.22, Information Based Induction Systems (IBIS2019), プログラム委員.

2019.04.16～2019.04.18, Artificial Intelligence and Statistics Conference (AISTATS2019), プログラム委員.

2019.06.09～2019.06.15, International Conference on Machine Learning (ICML2019), プログラム委員.

2019.12.09～2019.12.11, International Conference on Genome Informatics (GIW2019), プログラム委員.

2019.12.08～2019.12.14, Neural Information Processing Systems (NIPS2019), プログラム委員.

2018.12.03～2018.12.08, Neural Information Processing Systems (NIPS2018), プログラム委員.

2017.12.04～2017.12.09, Neural Information Processing Systems (NIPS2017), プログラム委員.

2018.01.28～2018.01.29, 人工知能学会　人工知能基本問題研究会 , 担当幹事.

2018.01.15～2018.01.17, Asia Pacific Bioinformatics Conference (APBC2018), プログラム委員.

2018.12.03～2018.12.05, International Conference on Genome Informatics (GIW2018), プログラム委員.

2018.10.10～2018.10.15, International Conference on Machine Learning (ICML2018), プログラム委員.

2016.12.13～2016.12.15, 人工知能学会　人工知能基本問題研究会, 担当幹事.

2017.04.20～2017.04.22, Artificial Intelligence and Statistics Conference (AISTATS2017), プログラム委員.

2018.04.09～2018.04.11, Artificial Intelligence and Statistics Conference (AISTATS2018), プログラム委員.

2012.11.07～2012.11.09, Information Based Induction Systems (IBIS2012), 座長（Chairmanship）.

2013.10.29～2013.10.31, JSBi年会(2013), 座長（Chairmanship）.

2015.10.29～2015.10.31, JSBi年会(2015), 座長（Chairmanship）.

2017.11.13～2017.11.16, IEEE International Conference on Bioinformatics and Biomedicine (BIBM2017), プログラム委員.

学術論文等の審査

年度	外国語雑誌査読論文数	日本語雑誌査読論文数	国際会議録査読論文数	国内会議録査読論文数	合計
2023年度	2	2	9	0	13
2021年度	3	1	4	0	8
2020年度	5		14	22	41
2019年度	4	1	19		24
2018年度	2	2	16		20
2017年度	1		32		33
2011年度	2		12		14
2012年度	5	1	17		23
2013年度	9	1	11		21
2014年度	1		18		19
2015年度	3		17	7	27
2016年度	2		20		22

その他の研究活動

海外渡航状況, 海外での教育研究歴

Max Planck Institute for Informatics, Germany, 2008.07～2010.03.

Max Planck Institute for Biological Cybernetics, Germany, 2006.06～2008.06.

University of California, Irvine, UnitedStatesofAmerica, 2003.08～2004.08.

外国人研究者等の受入れ状況

2018.06～2018.07, 1ヶ月以上, North Carolina A&T State Univeristy, UnitedStatesofAmerica, 日本学術振興会.

受賞

奨励賞, 人工知能学会, 2007.06.

Best Paper Award, Mining and Learning with Graphs Committee, 2006.06.

研究資金

科学研究費補助金の採択状況(文部科学省、日本学術振興会)

2023年度～2027年度, 基盤研究(B), 代表, 高レベル放射性廃棄物処理のための機械学習：高温多相融体の制御によるアプローチ研究.

2022年度～2024年度, 挑戦的研究（萌芽）, 代表, 機械学習による遺伝子、タンパク質、化合物の自動設計.

2021年度～2021年度, 基盤研究(B), 分担, 高温酸化物サスペンションのレオロジー特性に及ぼす界面電気物性の影響.

2018年度～2020年度, 基盤研究(B), 分担, 転移学習を利用した高温二相流体のレオロジー特性予測システム構築.

2019年度～2022年度, 基盤研究(B), 代表, 製造インフォマティクスに向けた機械学習技術の開発と鉄鋼製造における評価.

2011年度～2012年度, 若手研究(B), 分担, 全cDNA解析によるヒ素高蓄積植物土壌浄化システムの解析.

2011年度～2013年度, 若手研究(B), 代表, 大量のタンパク質リガンドデータより相互作用の構造的特徴をマイニングする方法の開発.

2013年度～2014年度, 挑戦的萌芽研究, 分担, マルチモーダル多視点画像を用いたタンパク質立体構造の解析.

2013年度～2016年度, 若手研究(A), 代表, 複数の遺伝要因及び環境要因の組み合わせを考慮したゲノムワイド相関解析法の開発.

日本学術振興会への採択状況(科学研究費補助金以外)

2018年度～2018年度, JSPS外国人招へい研究者, 代表, 構造データの学習とマイニング.

寄附金の受入状況

2022年度, 日本製鉄, 高炉操業の診断・予測方法の開発.

2022年度, 日本鉄鋼協会, スラグみえる化研究会.

2021年度, 日本製鉄, 高炉操業の診断・予測方法の開発.

2021年度, 日本鉄鋼協会, スラグみえる化研究会.

2020年度, 日本製鉄, 高炉操業の診断・予測方法の開発.

2020年度, 日本鉄鋼協会, スラグみえる化研究会.

2019年度, 日本製鉄, 高炉操業の診断・予測方法の開発.

2019年度, 日本鉄鋼協会, スラグみえる化研究会.

2018年度, 日本製鉄, 高炉操業の診断・予測方法の開発.

学内資金・基金等への採択状況

2017年度～2017年度, スタートアップ支援, 代表, 深層学習によるタンパク質分類法の開発.

九大関連コンテンツ

pure2017年10月2日から、「九州大学研究者情報」を補完するデータベースとして、Elsevier社の「Pure」による研究業績の公開を開始しました。

QIR　九州大学学術情報リポジトリシステム情報科学研究院

システム情報科学研究院


	※ 研究者情報全体を検索する場合は右端の「すべて」を選択して下さい。