Publicly Offered Research
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
トランスオミクスネットワークの同定において，エッジが異なる階層のノードから受ける影響の有無を推定する手法を開発する．条件付き相互情報量の差分によってエッジと階層間の相互作用，および，エッジとノード間の相互作用をそれぞれ定義し，前回の公募研究によって開発した方法を拡張することで，エッジと階層間，および，エッジとノード間の相互作用の有無を検定する．加えて，生命現象を理解するのに十分な分子種を観測できているかを調べる手法を開発する．相互情報量の分解から未知経路を見積もる方法を拡張して階層全体に適用することで，全体の未知経路の寄与から未観測の分子種数を見積もる．
オミクスデータおよび複数の階層にまたがるマルチオミクスデータの解析手法を，情報理論的アプローチに基づいた開発を行っている．オミクスデータは分子種と対応する変数の数が多いのに対して，サンプルサイズは小さく統計学的な観点からは非常にデータ量が少なくなりがちである．サンプルサイズが小さい状況では，ネットワーク構造の推定において信頼性は乏しくなり，ネットワーク構造の比較において局所的なエッジの比較に意味を見出しづらくなる．特に，複数階層からなるマルチオミクスデータでは，この傾向はより顕著になる．我々はエッジにオントロジーを導入することで，分子生物学的な見地からエッジの種類（エッジタイプ）を定義し，ネットワーク構造からエッジの種類に関する統計量を抽出した．これにより，局所的なエッジの比較に依らないネットワークの比較が可能となる．エッジに付与されるオントロジーは，推定対象であるネットワークのノードの分子生物学的属性によって定義される．ノードの分子生物学的属性は，今回はKEGGのデータベースを参照することで決定している．エッジのオントロジーはいくつかの定義が考えられるが，オントロジーの定義次第では，異なる階層間でもエッジタイプに関する統計量を通してネットワークの比較が可能となる利点もある．健常と肥満マウスにおいて，情報量的アプローチからネットワーク構造を推定し，グルコース応答に対するネットワーク構造の変化をトランスクリプトームとメタボロームの両階層で本手法によって比較した．既存のネットワーク構造に関する統計量は，ネットワーク構造への摂動に対して多くがロバストでない上に，実験条件間の違いがあまり反映されない．対して，エッジタイプから算出される統計量は，ロバストで実験条件間の違いを比較的よく反映することがわかった．
令和3年度が最終年度であるため、記入しない。
All 2022 2021 2020
All Journal Article (4 results) (of which Peer Reviewed: 4 results, Open Access: 4 results) Presentation (3 results) (of which Int'l Joint Research: 2 results, Invited: 1 results)
npj Systems Biology and Applications
Volume: 8 Issue: 1 Pages: 6-6
10.1038/s41540-022-00213-0
Cell Reports
Volume: 36 Issue: 8 Pages: 109569-109569
10.1016/j.celrep.2021.109569
Science Signaling
Volume: 13 Issue: 660 Pages: 1236-1236
10.1126/scisignal.aaz1236
Volume: 32 Issue: 9 Pages: 108051-108051
10.1016/j.celrep.2020.108051
