Development of Computational Methods for Mining Causal Relationships Based on Microscopic Images

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K12226
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Ritsumeikan University
• Principal Investigator: Tohsato Yukako 立命館大学, 情報理工学部, 教授 (80346171)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: 因果推論 / 時系列データ解析 / 表現型解析 / C. elegans / データ駆動型解析 / バイオイメージインフォマティクス / システム生物学

Outline of Final Research Achievements

We aimed to establish a computational method for inferring causal relationships such as phenotypes from time-lapse microscopy images data. We focused on Convergent Cross Mapping (CCM) and a nonparametric extension of the Granger causality test (NPMR) as the previous c methods targeting for nonlinear time-series data. We then proposed a novel method based on the NPMR. We confirmed the effectiveness of our proposed method by comparing it with CCM and NPMR on artificially generated time series data. Using time-lapse images of C. elegans with microtubules visualized with GFP observed by fluorescence microscopy, we tried to obtain new biological knowledge about the dynamics of the female pronucleus and microtubule sperm asters

Free Research Field

バイオインフォマティクス

Academic Significance and Societal Importance of the Research Achievements

ライブセルイメージング技術の普及に伴い、大量のタイムラプス画像が容易に得られている。そのため、得られる画像から自動的に因果関係を推論する手法の確立は、生命科学研究の効率化や自動化において重要な課題となっている。モデル生物であり、大規模なオープンデータが既に公開されている線虫の顕微鏡画像由来の時系列データから、因果推論を試みることは、生命科学の分野で今後産出される他のモデル生物を対象とした時系列への応用を意味している。因果関係の正解を設定することができる、人工データやシミュレーションデータを用いて、それらの推論の精度比較を行なうことは、提案手法の妥当性を評価する上で確実なステップとなる。