2023 Fiscal Year Annual Research Report
Creation of data-driven direct reprogramming by AI and avoidance of tumorigenic risk
| Project/Area Number |
21K18327
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
山西 芳裕 名古屋大学, 情報学研究科, 教授 (60437267)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
鈴木 淳史 九州大学, 生体防御医学研究所, 教授 (30415195)
味八木 茂 広島大学, 病院(医), 特定教授 (10392490)
|
|---|
| Project Period (FY) |
2021-07-09 – 2024-03-31
|
| Keywords | ダイレクトリプログラミング / 腫瘍化リスク / データ駆動 / 細胞直接変換 / AI |
|---|
| Outline of Annual Research Achievements |
iPS細胞を介さずに目的の臓器の細胞に直接変換するダイレクトリプログラミングが革新的な再生医療技術として注目されている。しかしながら、ダイレクトリプログラミングを誘導する因子セット（転写因子や低分子化合物など）を同定するのは極めて困難である。そこで本研究では、ダイレクトリプログラミングを誘導する転写因子や低分子化合物を予測する情報技術を構築する。
転写因子や低分子化合物に関する多階層オミックスデータや分子パスウェイデータを整備した。これらの様々なデータから、ダイレクトリプログラミングを誘導する低分子化合物を予測する機械学習の手法を開発した。通常の細胞の直接変換は、ウイルスを用いて必要な遺伝子を元細胞に導入するため、ウイルスに起因する発がんリスクなどの問題がある。そこで遺伝子導入の代わりに低分子化合物の添加による細胞変換を誘導する技術が切望されているが、実験的に低分子化合物を同定するのは時間や実験コストの面から極めて困難である。本年度は、さまざまな摂動応答トランスクリプトームデータを基に、細胞の直接変換を誘導する低分子化合物を予測する最適化アルゴリズムを開発した。まず、転写因子を導入した時の遺伝子発現パターンに着目し、変換過程で重要な遺伝子発現パターンを明らかにした。次いで、その遺伝子発現パターンを誘導する低分子化合物の最適な組み合わせを探索することによって、細胞の直接変換を誘導する低分子化合物の新たな組み合わせを予測する手法を確立した。開発手法を用いて、皮膚線維芽細胞から神経細胞への直接変換や皮膚線維芽細胞から心筋細胞への直接変換を誘導する低分子化合物の組み合わせを予測し、その有用性を示した。この成果は、Bioinformatics誌に投稿し、採択され、出版された。
国内学会で口頭発表を2件、ポスター発表を1件行った。
|
