2022 Fiscal Year Annual Research Report
深層学習を用いた形質推定アルゴリズムの開発と有用品種のデザイン
Project/Area Number |
20J20016
|
Research Institution | Waseda University |
Principal Investigator |
松谷 太郎 早稲田大学, 先進理工学研究科, 特別研究員(DC1)
|
Project Period (FY) |
2020-04-24 – 2023-03-31
|
Keywords | がん / ベイズ統計 |
Outline of Annual Research Achievements |
本年度は前年度に引き続き、腫瘍の不均一性を推定するためのツールの開発に取り組んだ。一般的に腫瘍には保持する変異の異なる細胞集団が複数含まれており、この現象は腫瘍内不均一性と呼ばれる。腫瘍に含まれる亜集団の構成の特定、すなわち腫瘍の進化史を推定することは、治療戦略を決める一助となるため重要な課題である。近年、単細胞シーケンシング技術の発展により、腫瘍の系統進化を確率的にモデリングする手法がいくつか提案されているが、そのいずれもがdepthの低さなどの単細胞シーケンシング技術特有の課題に悩まされている。 前年度では、バルクで取得したシーケンスデータから腫瘍内不均一性を推定するツールの開発に取り組んだが、今年度では、変異シグネチャーと呼ばれる概念を利用して、単細胞シーケンシングデータからコールされた変異情報を元に、高精度に腫瘍の系統進化史を推定するツールの開発に従事した。細胞に変異(今回は一塩基置換のみに注目する)を引き起こす原因である変異プロセスは、それぞれがSNVの種類や隣接塩基に依存する変異タイプに関して特有の変異パターンを持つことが知られており、それを確率分布として表現したものを変異シグネチャーと呼ぶ。個人のゲノムに含まれる変異は複数の変異シグネチャーの作用の結果であり、特に同時期に獲得した変異集団は似通った変異シグネチャーの構成によって表現されるはずである。このように細胞集団間の変異シグネチャー強度の推移を確率的にモデリングし、変異シグネチャーの情報を補助的に利用することで腫瘍の系統進化を高精度に推定可能なツールの開発を行った。 本成果は、IIBMP2022にて研究発表を行なっている。また、私がこれまで取り組んできたがんゲノムの変異シグネチャーを教師なし学習を用いて推定する一般論についてレビュー論文を執筆し、JSBi Bioinformatics Review誌で公開した。
|
Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|