| 研究課題/領域番号 |
19K22897
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分62:応用情報学およびその関連分野
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
佐藤 健吾 慶應義塾大学, 理工学部(矢上), 講師 (20365472)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)
2020年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2019年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
|
|---|
| キーワード | バイオインフォマティクス / ゲノム合成 / 敵対的生成ネットワーク / 深層強化学習 / RNA配列設計 / RNA二次構造 |
|---|
| 研究開始時の研究の概要 |
敵対的生成ネットワークによるゲノム設計の全く新しい方法を開発する．深層ニューラルネットワークが持つ高い表現力を活用することによって，既知遺伝子の組み合わせを最適化するのではなく，遺伝子配列の設計 からゲノムを構成する遺伝子セットの構成までをEnd-to-Endで実現する．これまでに解読された全ての生物のゲノム配列を学習データとし，ゲノム配列の識別モデルを学習すると同時に，ゲノム配列のベクトル表現である「潜在ゲノム空間」からゲノム配列を生成する モデルを獲得する．さらに，潜在ゲノム空間における線形代数的な演算を利用して，狙った形質を持つゲノム配列の生成・デザインを実現する．
|
| 研究成果の概要 |
特定の形質を持つゲノム配列生成を目指して，ある特定の二次構造を形成するRNA配列を設計するRNA配列設計問題に取り組んだ．深層強化学習を塩基配列空間の探索の最適化のための学習手法として用いることで，ターゲットの二次構造に対するより効率的な塩基配列の生成が可能とした．離散値である塩基配列をActivation Maximizationを用いて微分可能な表現に変換して最適化する手法をRNA配列設計問題へ応用した．シュードノット構造を含むRNA二次構造予測法IPknotを改良し，配列長に対して線形の計算量を実現した．
|
| 研究成果の学術的意義や社会的意義 |
合成生物学は，生命を再構成することによってその完全な理解を目指す究極のアプローチであると同時に，生物の工学的な応用に繋がることからその産業的な価 値も極めて高い.しかし，生命として完全に機能するゲノム配列を設計して，人工的な生命を合成することは困難を極める挑戦的な課題である.
|
