細胞の状態を表現する確率モデルの構築と細胞核の動態解析への応用

2017 Fiscal Year Research-status Report

• Project/Area Number: 16K00414
• Research Institution: Osaka Electro-Communication University
• Principal Investigator: 遠里 由佳子 大阪電気通信大学, 情報通信工学部, 准教授 (80346171)
• Project Period (FY): 2016-10-21 – 2019-03-31
• Keywords: 表現型解析 / データ駆動型解析 / 時系列データ / バイオインフォマティクス / 隠れマルコフモデル / 数理モデル

Outline of Annual Research Achievements

本研究では、公共データベースに公開されている線虫のRNAi胚や野生胚の大規模かつ高次元な2次元タイムラプス顕微鏡画像(1動画像は1細胞から4細胞期までの胚発生が観測され5秒間隔の約600タイムポイントからなる)から、画像処理により得た時空間定量データ(野生胚：N=1, RNAi胚：N=1579, 549遺伝子)を用いる。そして、遺伝子の機能が抑制されたことて生じる形態や動きなどの表現型の時間変化と遺伝子の関係を定量的に評価するデータ駆動型解析の一手法の確立を目指す。
平成29年度は研究計画の２年目であり、その課題は「データセットに含まれるすべての胚の雌性前核動態から得られる多変量時系列データから1つHMM（統合HMMとよぶ）を構築する方法を検討する」事にあった。そこで、構築の際に問題となる1) 時空間定量データを時系列データ変換する際の欠損値に対する前処理法と、2) 統合HMMの構築を検討した。1) に関しては、我々のデータセットに含まれる欠損値はランダムな欠損と観測データに依存する欠損が含まれる。そこで、状態空間モデルのなかでも最も単純なモデルの１つであるローカルレベルモデルに、季節やトレンドを導入する拡張による補完を試みた。2) に関しては、さまざまな種類の時系列から単位となり得る動作を抽出しそれらをモデリングする際に必要な細胞状態数をパラメータとして自動推定するために、階層ディリクレ混合過程を事前情報として柔軟な学習を実現する隠れマルコフモデル（HDP-HMM）を構築した。パラメータの推定には、ベイズ法的な拡張として変分自由エネルギーを最適化する変分ベイズ法を採用した。
統合HMMと前年度に開発した単一HMMの適用結果を比較検討することで、有効性を検証し、１細胞期の細胞核動態の状態認識の性能が向上することを確認した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

平成29年度課題である「統合HMMの構築を検討すること」という課題に対して、シミュレーションデータや、野生胚の多変量時系列データを対象に、欠損値の前処理法の評価を実地することで、HDP-HMMの構築に至っている。以上より、研究計画的には概ね順調に進展しているといえる。

Strategy for Future Research Activity

平成30年度の課題は、引き続き、RNAi胚から得られる多変量時系列データへの統合HMMの適用に取り組むことに加え、活発な研究成果発表を行っていく予定である。統合HMMの適用に関しては、核の移動速度や面積に加えて、形（円形度）などの時系列データを用いて、1細胞期以降の核の動態に適用するところ目標とする。そして、1細胞期の核の移動速度が野生胚と比べて著しく異なるRNAi胚と、2細胞期以降の核の移動速度が野生株と比べて著しく異なるRNAi胚の関係性を推定することを目指す。

Causes of Carryover

本研究計画は平成28年10月21日に追加交付という形で科研の内定通知を受けた。しかしその時点では、研究代表者は、所属していた機関で外部資金雇用されており、エフォートの問題があったため、12月からの研究計画に順延した。しかし、12月になり研究を開始しようとしていた矢先に、外部機関に内定を受け、平成29年3月末で所属していた機関を転出することとなった。そのため平成28年度に割り当てていた直接経費の全額を、平成29年度計画に移すことを決定した。以上の理由で大きな次年度使用額が生じている。