2017 Fiscal Year Research-status Report
Development of Bayesian Estimation Method based on Information Geometry for Multi-layered Omics Data Integration
| Project/Area Number |
17K07254
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
山田 亮 京都大学, 医学(系)研究科(研究院), 教授 (50301106)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | ゲノム / オミックス / ベイズ / MCMC |
|---|
| Outline of Annual Research Achievements |
申請者の過去の研究フィールドを中心に、複数のデータセットをベイズ手法により統合解析することに適当な例を文献検索した。さまざまな例が同定されたが、(1) SNPジェノタイプ・トランスクリプトームデータ・個体量的表現型の組み合わせと、(2) SNPジェノタイプ・エピゲノム・トランスクリプトームの組み合わせとが、プロトタイプ検討対象として適切であろうと考えられた。(1)に関して、複数の確率モデルを設定し、シミュレーションデータ生成のプログラムを実装するとともに、同プログラムを用いて、確率モデルのパラメタをMCMCベイズ法による事後分布によって推定するプログラムを作成し、方法のフィージビリティ評価を進めた。シミュレーションデータ作成とMCMCベイズ法との両方のプログラム実装を進めるにあたり、いくつかの技術的課題が確認されたので、それに関する情報収集を進め、適宜、改良を行った。以上を平成２９年度の上半期を中心に行った。(2)については、平成３０年に入ってから主に取り組んだ。このプロトタイプでは、非負値行列因子分解法(NMF)を応用する形で取り組んだ。NMFは通常、２つの行列型データセットに対して行うものであるが、昨今のオミックス解析では、同一のサンプルセットに対して、３つの異なるオミックスデータを取り、その３オミックス層に潜むクラスタ構造を推定する試みがなされている。われわれは、この枠組みに対して、サンプルが全オミックスにデータを持たないような場合に、同様の仮説を設定し、それを確率モデルとしてMCMCベイズ法の対象とする方法について検討を開始し、計算量の問題などに課題はあるものの、原理的には有望なアプローチであるとの予備的結果を得た。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究は、申請者と申請者が主宰する大学院研究室メンバー２名とで遂行する計画である。残念なことに１名の大学院生が体調を壊し、研究への参加がかなわなくなったため、申請者と大学院生１名とで平成２９年１２月まで研究を進めた。幸い、当初予定通りの進行となった。この研究に加わっていた大学院生が平成２９年度を持って卒業するため、研究の予定通りの進行に支障をきたすことが平成２９年度半ばで明らかであったため、平成２９年度末より、博士研究員に本研究課題に参加する体制に変更し、大学院生から博士研究員へと引継ぎを進めた。結果として、平成２９年度後半はややペースダウンしたものの、全体として順調な進捗となっており、引継ぎの成功により、適切なペースへのキャッチアップが予想されている。
|
| Strategy for Future Research Activity |
平成２９年度後半に検討を開始したＮＭＦを用いた多層オミックスの統合解析は非常に有用な印象が得られており、その詳細検討を本格的に進める。また、２つのプロトタイプにつき研究室内でのプログラムリソース・チーム内理解の蓄積が進んだことから、よりチャレンジングな統合手法の可能性についても、情報収集を含め進めていく予定である。
|
