Development of AI for the discovery of novel kidney disease genes using metabolomics and network biology

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K08689
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 53040:Nephrology-related
• Research Institution: Keio University
• Principal Investigator: SAITO Rintaro 慶應義塾大学, 政策・メディア研究科(藤沢), 特任教授 (40348842)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: メタボロミクス / 腎臓病 / 機械学習

Outline of Final Research Achievements

We explored the possibility of effective utilization of a large amount of uncharacterized part of metabolome data (uncharacterized peaks) obtained from analytical instruments, and predicted the onset of acute kidney injury (AKI) based on metabolome profiles of the patients. In the former, we used metabolome data from ~3,000 participants in the Tsuruoka Metabolome Cohort Study to construct a pipeline for extracting uncharacterized peaks that are likely to reflect actual metabolites in the body. In the latter, we analyzed the urinary metabolites including uncharacterized peaks in the urine samples of 121 patients who entered the intensive care unit after surgery, to investigate whether changes in metabolome profiles specific to patients who developed AKI could be detected. Machine learning enabled us to predict onset of AKI with reasonably high accuracy.

Free Research Field

メタボロミクス

Academic Significance and Societal Importance of the Research Achievements

代謝物質は生命活動の源であると同時に、生命活動の結果合成されるものでもあり、細胞内でどのような現象が起きているかを探る大きな手がかりとなる。細胞内の代謝物質の網羅的分析、すなわちメタボローム分析の応用分野は、分子生物学のような基礎研究にとどまらず、医学や食品学を含めた健康科学にまで広がっており、ガンなどの疾患進行のメカニズムの解明や、新規バイオマーカーの発見等、その成果は多岐に渡る。本研究成果は、メタボロームデータを効果的に情報処理し、検体に関するより多くの情報抽出を可能にするものである。機械学習を活用し、急性腎症発症の予測を比較的高い精度で行えたことでその医学的有用性が示唆された。