2023 Fiscal Year Annual Research Report
RNA-seq解析における深層学習方法論の開発と肉腫診療への応用
| Project/Area Number |
20K09453
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
小林 寛 東京大学, 医学部附属病院, 講師 (20407951)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
篠田 裕介 埼玉医科大学, 医学部, 教授 (80456110) [Withdrawn]
谷口 優樹 東京大学, 医学部附属病院, 講師 (80722165)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 骨軟部腫瘍 |
|---|
| Outline of Annual Research Achievements |
多数の亜型がある軟部肉腫において最も頻度が高い組織型である未分化多形肉腫は、『明確な分化方向や特異的融合遺伝子を持つ腫瘍』を除外した結果として診断される腫瘍である。本研究は、未分化多型肉腫のRNA-seq解析を用い、発現パターンを基にした再分類を行うとともに、新規治療標的・バイオマーカー を同定することを目的としている。肉腫は軟部組織に発生する悪性腫瘍であり、その起源細胞は血管、脂肪、骨、神経など多岐にわたる。そこで、まず36種類の 正常組織を用いたRNA-seq解析のデータを入手し、起源細胞を推定する元データとした。この正常組織の解析は全てTCGA projectで用いられたものと同一の試薬 と解析パイプラインを用いて行っており、バイアスを生じることなくTCGAに登録されている33種類、11,315サンプルの悪性腫瘍に由来するRNA-seq解析データと 統合することができるようにした。当院病理科の協力の下で、未分化多型肉腫などの肉腫症例および多種多様ながん種の組織画像とRNA発現データを収集した。これらの画像と発現データの両方をインプットとした深層学習モデルの開発を行った。深層学習モデルは肉腫のデータだけでなく他の多様ながん種のデータも用いることで種々のバイアスが除外できると考え、精度向上をはかった。収集した症例のデータを用いて、未分化多型肉腫の再分類に関する深層学習モデルの作成と解析を行っているが、精度を上げることに関して難渋している。起源細胞に基づくシグニチャーと腫瘍特異的なシグニチャーを同定を試みたが、腫瘍特異的なシグニチャーの同定には至っていない。
|
