| Project/Area Number |
21K12109
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
加藤 有己 大阪大学, 大学院医学系研究科, 准教授 (10511280)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | シングルセル / 細胞動態予測 / 疑似時間経路 / シングルセルゲノミクス / シングルセル解析 / 細胞状態経路 / 遺伝子発現 |
|---|
| Outline of Research at the Start |
近年の実験手法の発展により、組織や器官を形作る様々な細胞の種類や個数を、遺伝子発現情報をもとに１細胞レベルで定量できるようになった。ある時刻で組織から取得した細胞集団は様々な経過時間の細胞が含まれると考えられ、各細胞の発現データをコンピューターで解析することで、細胞状態の遷移過程 (細胞状態経路) を捉えることができる。本研究では、２つの細胞状態経路を、分岐などの形状情報を考慮し高精度で比較する手法を確立する。これにより、例えば疾患モデルとコントロールの二者の細胞状態経路を比較し、発現ダイナミクスの異なる因子を抽出することで、疾患病態の解明に迫ることができると考えられる。
|
| Outline of Annual Research Achievements |
近年、１細胞RNA sequencing (scRNA-seq) と呼ばれる実験手法が確立され、組織や器官を形作る様々な細胞の種類や個数を、遺伝子発現情報をもとに定量できるようになった。ある時刻で組織から取得した細胞集団は、未分化のものから分化したものまで、様々な経過時間の細胞が含まれると考えられる。そこで、scRNA-seqによる各細胞の発現データをコンピュータ解析することで、細胞状態の疑似的な時間軸に関する遷移過程 (細胞経路) を捉えることができる。特に、実験条件の異なる２つのscRNA-seqデータから導出される細胞経路を比較することで、条件の違いによって変化する制御遺伝子を同定できると期待される。本研究では、２つの細胞経路を、分岐などの形状情報を考慮し高精度で比較する手法を確立する。これにより、例えば疾患モデルとコントロールの二者の細胞状態経路を比較し、発現ダイナミクスの異なる因子を抽出することで、疾患病態の解明に迫ることができる。
今年度は、前年度に完成をみた細胞経路比較法の開発経験をもとに、近年盛んに使用され始めている空間トランスクリプトームデータを統合するアルゴリズムのプロトタイプを考案した。空間データには各細胞の遺伝子発現に加え、空間座標や画像なども含まれるため、遺伝子発現単体の解析では見えてこなかった細胞の機能や現象が明らかになる可能性がある。現在パラメータ調節などを行っており、来年度までの完成を目指している。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
時系列細胞集団比較法を目指した本研究成果を発展させ、空間トランスクリプトームデータを統合するアルゴリズム開発に着手しているため、当初の計画以上に進展していると考える。
|
| Strategy for Future Research Activity |
比較したい空間トランスクリプトームデータを統合するため、グラフ埋め込みによる教師なし学習を利用して各細胞の特徴ベクトルを生成する。そして、空間情報を考慮したクラスタリングなどを行い、提案手法の利点、欠点を見積もって、空間トランスクリプトーム解析分野の発展に貢献する。
|
