2021 Fiscal Year Research-status Report
過去の養育状況が子の認知・社会性発達に及ぼす影響とそのエピゲノム因子の同定
| Project/Area Number |
20KK0280
|
|---|
| Research Institution | University of Fukui |
|---|
Principal Investigator |
藤澤 隆史 福井大学, 子どものこころの発達研究センター, 准教授 (90434894)
|
|---|
| Project Period (FY) |
2021 – 2023
|
| Keywords | 発達 / アロペアレンティング / エピジェネティックス |
|---|
| Outline of Annual Research Achievements |
本研究では、基課題に米国エモリー大学のSmith博士との共同研究で得たエピゲノム解析の知見と手法を適用することで、養育環境の違いによって規定される発達状況の分子基盤を同定することを目的とする。具体的には、基課題および申請者らのグループで既にサンプリングされ、エピゲノムワイド解析を終えている130名分のメチル化アレイデータを対象に、アロペアレンティング状況および子の発達状況（認知・社会性）に関与するエピゲノム情報を同定し、エピゲノム情報に基づくアロペアレンティング予測モデリング、発達予測モデリングを構築することを目的とする。近年、メチル化アレイデータから年齢や寿命、喫煙状況を推定してしまうデータサイエンスが盛んに行われているが、共同研究者Smith博士は、メチル化アレイデータによるデータモデリングの第一人者である。
当該年度は、渡航後に実施する予定であったゲノムワイドデータの品質確認とエピゲノムワイド関連解析を試験もかねて前倒しで行った。ゲノムワイドデータの品質確認では、既にゲノムワイド解析を終えているデータに対し、共同研究先が推奨する前処理方法（PGC-pipeline）を適用し前処理を行った。次に、エピゲノムワイド関連解析では、共同研究先が実施しているDMP解析(CpGassoc)、ゲノムワイド解析に生じやすいインフレの修正（bacon）、バッチエフェクトの調整（COMBAT）を行い、アロペアレンティング状況の違いや発達変数と関連するメチル化部位の候補を探索した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究では、エピゲノムワイド解析を終えている130名分のメチル化アレイデータを対象に、アロペアレンティング状況および子の発達状況に関与するエピゲノム情報を同定し、エピゲノム情報に基づくアロペアレンティング予測モデリング、発達予測モデリングを構築することを目的とする。
当該年度は、当初渡航後に行う解析予定である抹消サンプルからのゲノムワイドデータの取得を行う予定であったが、データ取得が年度前半で終了したため、渡航後に実施する予定であったゲノムワイドデータの品質確認とエピゲノムワイド関連解析を試験的実施の意味もかねて前倒しで行った。ゲノムワイドデータの品質確認では、既にゲノムワイド解析を終えているデータに対し、共同研究先が推奨する前処理方法（PGC-pipeline）を適用し前処理を行った。次に、エピゲノムワイド関連解析では、共同研究先が実施しているDMP解析(CpGassoc)、ゲノムワイド解析に生じやすいインフレの修正（bacon）、バッチエフェクトの調整（COMBAT）を行い、アロペアレンティング状況の違いや発達変数と関連するメチル化部位の候補を探索した。現在は、エピゲノムワイド関連解析により得られた約4,000か所のCpGサイトに基づき、機械学習を用いた発達予測モデリングの構築を試験している。
|
| Strategy for Future Research Activity |
渡航後は、前倒しで行った前処理法およびエピゲノム関連解析手法の妥当性について、海外共同研究者と検証する。第１四半期では、海外共同研究者によるスーパーバイズのもと、ゲノムワイドデータの品質確認を行うために、既にゲノムワイド解析を終えているデータに対し、共同研究先が推奨する前処理方法（PGC-pipeline）を習得し、実行と品質確認を行う。また、第２四半期に予定していたエピゲノムワイド関連解析についても、共同研究先が実施しているDMP解析(CpGassoc)、ゲノムワイド解析に生じやすいインフレの修正（bacon）、バッチエフェクトの調整（COMBAT）に加え、Enrichment解析（GO、KEGG）等については未実施であるので追加解析を実施する予定である。現在は、メチル化アレイデータからの認知発達を推定する機械学習モデリングを構築に取り組んでいるが、機械学習における多数の手法の中からの合理的選択とモデリングの妥当性の検証の際にレプリケーションコホートによる再現性の確認が重要であると判明したため、この点についても海外共同研究者によるスーパーバイズのもとモデルの妥当性について検証する。
|
