| 研究課題/領域番号 |
21K19815
|
|---|
| 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 | 筑波大学 |
|---|
研究代表者 |
イン ベイウェン 筑波大学, 生命環境系, 准教授 (90422401)
|
|---|
| 研究期間 (年度) |
2021-07-09 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2021年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 細胞培養 / 機械学習 / 培地 / データサイエンス / ビッグデータ / 細胞増殖 / 増殖速度 |
|---|
| 研究開始時の研究の概要 |
本研究は経験則で行われている細胞培養に応用情報科学的研究手法を取り入れることにより、細胞の振る舞いに対する高度な制御に繋げ、細胞培養の諸問題を解決する。具体的には、網羅的実験により、培地成分と培養の良し悪しが繋ぐビッグデータを蓄積し、世界初となる「環境情報－細胞動態」のデータベースを構築する。実験データに機械学習を適用し、どの環境因子がどの程度に細胞増殖（培養）に寄与するのかを予測し、それらの相対重要度を明らかにする。実験と学習の繰り返しにより、予測精度を向上させ、目的に応じた細胞培養の合理化や至適化を実現する。
|
| 研究成果の概要 |
本研究は個人の感覚に頼る細胞培養技術に、データサイエンスのアプローチを取り入れることにより、細胞培養の再現性や生産性といった問題の解決を目指した。網羅的実験により、培養条件と培養の良し悪しが繋ぐビッグデータを蓄積し、世界初となる「環境情報－細胞動態」のデータベースを構築した。実験データに機械学習を適用し、どの環境因子がどの程度に細胞培養に寄与するのかを予測し、それらの相対重要度を明らかにした。アクティブラーニング（実験と学習の繰り返し）により、学習モデルの予測精度を向上させ、細胞培養の培地の最適化に成功した。本研究で確立されている培養実験と機械学習の方法が様々な細胞培養に活かせることになる。
|
| 研究成果の学術的意義や社会的意義 |
細胞培養は基礎研究においても、健康と医療のための産業応用においても、普遍的技術であるにも拘わらず、細胞培養の再現性、安定性、安全性の課題が長年に渡って未解決のままである。本研究はアナログ方式で行われている細胞培養に、デジタル方式である応用情報科学的研究手法を取り入れることにより、細胞増殖に対する高度な制御を実現し、細胞培養の諸問題を解決することに繋がる。本研究は、機械学習・人工知能が職人芸的な細胞培養にある根幹問題を解決する初めての挑戦であり、その成功が生命科学研究において抜本的なトレンドチェンジとなる。本研究で検証される方法論が細胞培養の不確実性を減らし、再生医療の産業化に寄与する。
|
