| Project/Area Number |
23K20389
|
|---|
| Project/Area Number (Other) |
20H04282 (2020-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2020-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
松井 佑介 名古屋大学, 医学系研究科(保健), 准教授 (90761495)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
阿部 雄一 岐阜大学, 糖鎖生命コア研究所, 特任准教授 (30731632)
宇野 光平 名古屋大学, 医学系研究科, 特任助教 (50873585)
|
|---|
| Project Period (FY) |
2024-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2024: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2023: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2022: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2020: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
|
|---|
| Keywords | グラフニューラルネット / ネットワーク統合学習 / 細胞間相互作用 / マルチタスク学習 / 統合解析 / ネットワーク解析 / マルチオミクス解析 / プロテオゲノム解析 / 選択的スプライシング解析 / Percent Splice In / イントロン保持 / システム生物学 / プロテオゲノム / プロテオスタシス / バイオインフォマティクス / 計算生物学 / 共発現解析 / 生命情報学 / がん / 統計科学 / 情報科学 / プロテオミクス / コピュラ / パイプライン開発 / ワークフロー言語 / プロテオゲノミクス / リバーストランスオミクス解析 |
|---|
| Outline of Research at the Start |
最終年度は、これまでの解析結果をリソースとして統合・公開していくことを目標とします。情報学の非専門家であっても容易にWebブラウザ垢らアクセス可能なツール開発は、生命科学研究の手段として重要です。これまでの研究期間で開発した分析方法やそれらを用いた解析したゲノム、遺伝子発現、たんぱく質といった分子情報をWebリソースとして、ユーザーが容易にアクセスし複数の観点から分析可能な環境を開発を進めていく予定です。
|
| Outline of Annual Research Achievements |
本研究では、ゲノム・トランスクリプトーム・プロテオームなど多層オミックスに散在する膨大な情報を一気通貫で解析できる基盤を整備した。第一に、次元削減後の潜在空間を「機能ベクトル」として後解析する Post-hoc Interpretation of Embedding（PIE） を新規に開発した。GTEx バルク RNA-seq により組織間差を、線虫 scRNA-seq により発生軌道を例示し、埋め込み方向と KEGG／GO 経路を自動的に対応付けられる汎用アルゴリズムであることを実証した。第二に、加齢依存シグネチャを臓器・細胞レベルで俯瞰できるウェブアトラス HuTAge を構築した。ユーザはブラウザ上の数クリックで、組織特異性、細胞組成推定、転写因子活性スコア、細胞間相互作用ネットワークの四機能を呼び出し、GTEx と Tabula Sapiens を統合解析できる。第三に、深層学習によるマルチネットワーク統合 BIONIC を用い、ROSMAP コホートの脳プロテオームとヒト PPI を融合することで、発症関連経路を媒介する分子標的候補を網羅的に抽出するアプローチを提示した。これら三手法はすべてオープンデータを再活用し、パイプライン化・可視化までを一貫して設計しているため、がんを含む多層ネットワーク解析へ容易に拡張できる。実際、PIE により腫瘍サブタイプ間の機能差を定量し、HuTAge に類似した可視化基盤で腫瘍微小環境の年齢依存性を比較し、BIONIC 統合でドライバー経路を絞り込むワークフローを組み込めることを検討した。以上より、本課題が掲げた「大規模データ統合解析基盤の確立」という目標を達成し、将来のがん研究にも直結する計算プラットフォームを提供した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
計画に沿った成果が順調に出ているが、途中に育児休業を挟んだため、やや遅れが生じている。
|
| Strategy for Future Research Activity |
本研究で構築した PIE・HuTAge・BIONIC などの解析基盤を中核に据え、次年度以降は以下の四方策によって実用化と汎用化を一層推進する。第一に、TCGA の網羅的ゲノム変異・コピー数・エピゲノム情報、CPTAC が提供する深度プロテオーム、さらに Human Cell Atlas（HCA）のシングルセル転写データを統合した “Onco-Integrated Atlas” を新規構築し、腫瘍サブタイプ、治療応答、患者年齢依存性をインタラクティブに比較閲覧できるウェブ・ダッシュボードとして公開する。第二に、BIONIC アルゴリズムを拡張し、リン酸化シグナル、糖鎖修飾、代謝経路など多彩な相互作用層を同時学習できる多重層グラフニューラルネットワークを実装、薬剤感受性データベース（GDSC・PRISM 等）と連携させて臨床的意義の高い新規標的経路を高精度に予測する。第三に、PIE に時系列解析機能を導入し、腫瘍細胞進化と免疫細胞ダイナミクスを同一空間上に可視化するモジュールを追加、マウス腫瘍モデル由来の時系列 RNA-seq で性能と汎用性を検証する。第四に、以上すべてのワークフローを Docker イメージと Nextflow スクリプトとして標準化し、GPU 対応 HPC クラスタでの高速実行を保証したうえで GitHub・Conda・Docker Hub に公開し、コミュニティ主導による継続的改良を促進する。これらの取り組みにより、公共データから臨床応用可能な知識を迅速に抽出し、実験で反復検証する循環型研究エコシステムを確立し、本課題の最終目標であるがん多層ネットワークの統合理解と革新的治療標的の発掘を加速する。
|
