2020 Fiscal Year Annual Research Report
Development of Data-driven Mathematical Analysis for Single Cells and Singularity Cells
| Project Area | Singularity biology |
|---|
| Project/Area Number |
18H05413
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
小松崎 民樹 北海道大学, 電子科学研究所, 教授 (30270549)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中村 篤祥 北海道大学, 情報科学研究院, 教授 (50344487)
小野 峻佑 東京工業大学, 情報理工学院, 准教授 (60752269)
|
|---|
| Project Period (FY) |
2018-06-29 – 2023-03-31
|
| Keywords | 情報計測 / バンディットアルゴリズム / 因果推論 / 1細胞ラマン分光 / スパース学習 |
|---|
| Outline of Annual Research Achievements |
ある細胞と別の細胞の主従関係を推定する場合，それら2つの細胞の軌跡データなどを用いて評価されているが，2つの細胞の振る舞いを決める因子が，その2つの細胞以外にも，第3の細胞が介在する状況なども考えられる。主従関係や因果関係における“原因”と“結果”を解析するためには，単純な対の組み合わせで表現できない多体の相互作用から成り立っている。そのため，多体のあいだの因果関係を推定することは要素間の組み合わせの数が膨大になる。2対の軌跡データを変数とする移動エントロピーを細分化した新しい相乗情報量に着眼し，改良Vicsekモデルに基づいてこの問題を考察し、移動エントロピーに含まれる相乗情報量の振る舞いを解析することで，要素間の多体の相互作用が推定できることを見いだした（Sci Adv 2022）。
昨年度開発した、細胞毎の発火状態時系列からの伝搬時差推定をギャップを挿入する文字列のアライメントで行い伝搬グラフを構築する手法を発展させ、DTW(Dynamic Time Warping)ベースの実数値列アライメントを用いて伝搬グラフを構築する方法を開発した。位置情報を用いないで伝搬関係を推定できるため、細胞間の信号の伝搬のみでなく、株価の他の株価への影響の伝搬関係など曖昧な伝搬関係の抽出にも使えることを株価データを用いて確認した。
シンギュラリティ成分検出の前処理としてイメージングデータからノイズや外乱を取り除くための正則化手法について研究を進めた。具体的には、イメージングデータに内在するスパース性を引き出す変換を構成し、スパース性を評価するノルムと組み合わせて正則化関数を設計した。加えて、この正則化を含む最適化問題としてノイズ・外乱除去問題を定式化し、これを解くアルゴリズムを開発した。最後に、実際のハイパースペクトルイメージングデータを用いた大規模な比較実験によって有効性を実証した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
細胞状態を評価するうえでラマン画像のほか、細胞などの要素の軌跡データを用いて、細胞間の主従関係、細胞間の相互作用域を推定する手法を開発することに成功した（Phys Rev E 2020, J. Chem. Phys. 2021, BPPB 2021（招待））。また、Sci Adv 2022 (on line feature articleに選出)など成果が出ている。
|
| Strategy for Future Research Activity |
相互作用ポテンシャルの型（反発型ポテンシャル、モース型）が軌跡データから復元できるかを解析するとともに、相乗情報量を最大にする系の構成パラメータをベイズ最適化で算出し、移動エントロピーの成分である相乗情報量の物理的な解釈を与える。また、これまでに開発してきた手法群をAMATERASの画像データ解析に適用し、領域内の異分野融合をより加速する。
開発したDTWベースの実数値列アライメントを用いて伝搬グラフを構築する方法は、伝搬時差が変化する場合にも各時点での伝搬時差を推定することが可能である。しかし、どのくらい正確に推定できるかはわかっていないため、シミュレーションによりその有効性を確認し、有効な応用の範囲を明確化する。
今後は、2020年度に開発した正則化手法を始めとする様々な事前知識を取り入れることで、定常成分・シンギュラリティ成分・ノイズや外乱を同時に分離しながら推定する方
法論の構築を行う。また、実際のイメージングデータの異常検出における有効性（検出精度・ノイズ等への頑健性等）を実験的に検証する。
|
-
-
-
-
-
-
-
-
-
-
-
-
-
[Presentation] On-the-fly Raman image microscopy by reinforcement machine learning2022
Author(s)
Tamiki Komatsuzaki, Koji Tabata, Hiroyuki Kawagoe, James Nicholas Taylor, Kentaro Mochizuki, Toshiki Kubo, Jean-Emmanuel Clement, Yasuaki Kumamoto, Yoshinori Harada, Atsuyoshi Nakamura, Katsumasa Fujita
Organizer
SPIE Photonics Europe 2022
Int'l Joint Research / Invited
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
