2019 Fiscal Year Annual Research Report
Development of stochastic models to represent cellular states and their application to analysis of nuclear division dynamics
| Project/Area Number |
16K00414
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
遠里 由佳子 立命館大学, 情報理工学部, 教授 (80346171)
|
|---|
| Project Period (FY) |
2016-10-21 – 2020-03-31
|
| Keywords | 隠れマルコフモデル / ベイズ推定 / 数理モデル / 時系列データ / 表現型解析 / C. elegans / データ駆動解析 / バイオインフォマティクス |
|---|
| Outline of Annual Research Achievements |
公共データベースに公開されている線虫の野生胚やRNAi胚の大規模な2次元タイムラプス顕微鏡画像データから、画像処理により得た細胞核分裂動態の時空間定量データ(野生胚：N=1, RNAi胚：対象遺伝子549種類, 1遺伝子あたり約N=3)を解析に用いる。時空間定量データから特徴抽出し、得られる時系列データからHMM(Hidden Markov Model)の構築を試みることにより、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している。研究計画を1年延長した期間である2019年度の課題は、HDP(Hierarchical Dirichlet Process)を持つHMMであるHDP-HMMの拡張と、得られた成果を国内外の会議で発表するためや論文誌等で発表するためであった。そこで、HDP-HMMをHMM-HSMM(Hidden Semi Markov Model)に拡張した。HMMとAICによる状態数の推定、さらには、状態数をHDPにより自動推定するHDP-HMMやHDP-HSMMに対し、人工データおよび、モデルから生成したデータを与えることによって、HDPによる状態数の自動推定の精度の評価を行なった。その結果、HDP-HSMMはHMMにAICを用いたときの状態推定に近い精度が得られ、HSMMの効果により、より自然な状態変化が推定できることを確認した。細胞核から核の大きさと円形度を抽出した実データに対しても、同様の良い結果が得られることを確認した。研究成果の一部をまとめ、ICBCB 2020に受理されている。
|
