画像変換と深層学習によるマルチオミクス統合解析と病態や薬剤応答機序の解明の方法論

Research Project

Project/Area Number	20H03240
Research Category	Grant-in-Aid for Scientific Research (B)
Allocation Type	Single-year Grants
Section	一般
Review Section	Basic Section 43060:System genome science-related
Research Institution	The University of Tokyo
Principal Investigator	角田達彦東京大学, 大学院理学系研究科(理学部), 教授 (10273468)
Project Period (FY)	2020-04-01 – 2025-03-31
Project Status	Granted (Fiscal Year 2020)
Budget Amount *help	¥17,290,000 (Direct Cost: ¥13,300,000、Indirect Cost: ¥3,990,000) Fiscal Year 2021: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000) Fiscal Year 2020: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Keywords	深層学習 / マルチオミクス / 画像変換 / ゲノミクス / 治療予測
Outline of Research at the Start	がんなどの多因子疾患の病態や薬剤応答などの複雑なメカニズムの解明と予測に、深層学習を用いたマルチオミクス統合解析が期待されるが、実際にどう行えばよいか、マルチオミクスデータから意味のある因子・特徴や構造を抽出し解釈できるか、また薬剤応答予測に必要な因子に病態解析から導かれる特徴を用いればよいかは不明である。本研究では、申請者が提案した世界初のオミクスデータを画像に変換し深層学習に用いる手法に基づき、マルチオミクス統合解析と画像認識を応用した手法を開発し、薬剤応答予測などの精度が上がるか、病態や薬剤応答の背後にあるオミクスの特徴や構造の抽出が可能か、薬剤応答予測に必要な方法論は何かを解明する。