2022 Fiscal Year Annual Research Report
Development, validation and application of machine learning system for TCR epitope prediction
| Project/Area Number |
20K06610
|
|---|
| Research Institution | Shiga University |
|---|
Principal Investigator |
寺口 俊介 滋賀大学, データサイエンス学系, 准教授 (00467276)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
榊原 修平 大阪大学, 免疫学フロンティア研究センター, 特任助教 (10618838)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | エピトープ予測 / 機械学習 / 免疫レパトア / 1細胞遺伝子発現解析 / SARS-CoV-2 |
|---|
| Outline of Annual Research Achievements |
本研究課題では、免疫レパトアと抗原エピトープとの関連を理解するために、実験研究とin silicoモデリングの両方を進めてきた。実験研究としては、エピトープ予測機械学習システムの開発のための訓練データの取得と、臨床研究としての価値の両方の側面から、1細胞レベルの遺伝子発現に加え、免疫レパトアの配列データ、対応するエピトープを同時に取得する1細胞シークエンシングデータを取得し、解析している。1細胞シークエンシングデータに関しては、複数回に跨るデータを解析するためのバッチ補正の手法も共同研究者とともに提案した。また、これ以外にもB細胞レパトアと抗原に関わる実験研究も行っている。一方、in silicoモデリングでは、機械学習、深層学習を用いて複数のエピトープ予測モデルの開発を行ってきた。ドッキングと機械学習を組み合わせたものや、レパトア間のクラスタリングを行うもの、直接的なエピトープ予測を行うものなど、様々な手法に対する研究を進めてきた。また、本研究期間中社会的に極めて大きな問題となった、SARS-CoV-2を直接的な研究対象とした研究も複数行っている。
最終年度では、1細胞免疫レパトア/エピトープ/遺伝子発現シークエンシングデータの解析に関して、共同研究として進めているプロジェクトに関して論文発表の準備が順調に進んでおり、解析のブラッシュアップを進めている。また、ここで開発した解析手法は、他のシークエンシングデータの解析にも応用が可能である。また、エピトープ予測システムの開発に関しては、タンパク質立体構造予測で飛躍的性能向上を遂げたAlphaFold2を、本プロジェクトで開発中の深層学習を用いたエピトープ予測システムに利用する可能性を検討するとともに、多数の異なるタスクに対して同時に学習を進めるマルチタスク学習のアーキテクチャを導入し、性能の向上を確認した。
|
