2020 Fiscal Year Annual Research Report
Development of integrated analysis technology for bioimaging and omics data
| Project/Area Number |
19H04207
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
瀬尾 茂人 大阪大学, 情報科学研究科, 准教授 (30432462)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山下 英里華 大阪大学, 医学系研究科, 特任研究員(常勤) (10880106)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | バイオインフォマティクス / バイオイメージインフォマティクス / トランスクリプトーム解析 / データマイニング / 機械学習 |
|---|
| Outline of Annual Research Achievements |
近年の生命科学データはマルチモーダル化が著しい。すなわち、様々（マルチ）な計測法によって、細胞動画像や1細胞オミクスデータなど、様々な様式（モード）のデータが大量に取得されるようになっているということである。オミクスデータはゲノムに由来する情報ゆえにその量が簡単に人間の理解を超え、また動画像は一見理解しやすいものの粒子や細胞の認識・追跡といった処理が必要となり定量的な解析を行おうとすると難しい。本研究では、細胞動画像とオミクスデータの統合的情報解析技術の開発を行う。動画像解析には深層学習の技法を用いた特徴量の抽出技術の開発を行い、オミクスデータ解析としては一細胞RNA-seqのデータを中心に様々なタイプのデータを結合して、重要な基底の発見とパターンの抽出を行う方法を開発する。
本年度は、初年度に引き続き、細胞動画像とオミクスデータをそれぞれに低次元の特徴量やパターンとして縮約する方法の開発を行った。細胞動画像については、畳み込みニューラルネットワークを半教師付き学習によって訓練し、そのボトルネック特徴量を用いて画像を再分類する方法の開発を行った。これにより病理画像の分類精度の向上を確認した。また、1細胞RNA-seqデータのための行列分解（非負値行列因子分解; Non-negative Matrix Factorization, NMF）に基づく基底の抽出方法の開発を行い、細胞種のクラスタリングへ応用した。提案法は、複数の定量化手法を活用することで、よりロバストかつ正確な細胞クラスタリング結果を得ることができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
遺伝子発現量や細胞動画像といった異なる種類のデータから、それぞれの重要な表現・基底を抽出する方法を開発した。
|
| Strategy for Future Research Activity |
最終年度においては、骨リモデリングに関する1細胞発現データと細胞動画像を対象として、要素技術の適用を行い、研究分担者との議論を行う。
|
