| Budget Amount *help |
¥41,470,000 (Direct Cost: ¥31,900,000、Indirect Cost: ¥9,570,000)
Fiscal Year 2025: ¥8,190,000 (Direct Cost: ¥6,300,000、Indirect Cost: ¥1,890,000)
Fiscal Year 2024: ¥8,190,000 (Direct Cost: ¥6,300,000、Indirect Cost: ¥1,890,000)
Fiscal Year 2023: ¥8,190,000 (Direct Cost: ¥6,300,000、Indirect Cost: ¥1,890,000)
Fiscal Year 2022: ¥8,190,000 (Direct Cost: ¥6,300,000、Indirect Cost: ¥1,890,000)
Fiscal Year 2021: ¥8,710,000 (Direct Cost: ¥6,700,000、Indirect Cost: ¥2,010,000)
|
|---|
| Outline of Annual Research Achievements |
近年の医薬品開発は非常に困難な状況にある。また創薬ターゲットの枯渇が深刻化しており、近年の創薬の低迷の一因となっている。既存の研究手法では限界があるため、ビッグデータや人工知能（AI）技術の有効活用が切望されている。本研究では、医療データやオミックスデータを解析し、創薬ターゲットを予測する人工知能（AI）の基盤となる機械学習手法の研究開発を行う。潰瘍性大腸炎、クローン病などに関する患者の遺伝子発現情報、病因遺伝子、配列変異、環境因子、診断マーカー、治療標的、異常パスウェイなどの分子機序データを、OMIM, KEGG, GEOなどのデータベースや文献から整備した。また新しい情報を加えてデータを更新した。SNPなど配列変異の情報を用いる可能性も検討した。さらに、バルクレベルだけでなくシングルセルレベルのオミックス情報の解析手法についても検討を行なっている。疾患-タンパク質の関係性の情報を収集して、情報解析できる電子データの形に整備した。また新しい情報を文献から収集し、それを加えてデータを更新した。データベースとして公開できるように整備を進めている。タンパク質をコードする遺伝子に摂動を加えた時のヒト細胞の遺伝子発現プロファイルを解析し、疾患の新しい創薬ターゲット分子を予測する深層学習モデルを検討し、従来手法よりも性能が高いことを確認した。特に次数が少ない疾患に対しても予測できる点が特徴である。オーファンな希少疾患へも応用可能にした。提案手法のアルゴリズムやその解析結果を論文にまとめ、ジャーナルや国際会議に投稿中である。
|
