| 研究課題/領域番号 |
22K12246
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
瀬尾 茂人 大阪大学, 大学院情報科学研究科, 准教授 (30432462)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2023年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2022年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | バイオインフォマティクス / シングルセル解析 / 空間トランスクリプトーム / 機械学習 |
|---|
| 研究開始時の研究の概要 |
本研究では、時空間情報を統合した1細胞発現解析手法の開発を行う。近年の生命科学データは高解像度化・マルチモーダル化が著しく、1細胞遺伝子発現プロファイルを中心としたデータの情報量は容易に人間の理解を超える。本研究の目的は、1細胞遺伝子発現プロファイルを解析するための基本となる特徴抽出/次元削減やクラスタリング・可視化といった一連の解析と、異なるモーダルのデータを統合して扱うことを可能とする方法論の開発である。そして、生命科学の膨大で複雑なデータから、人間の代わりに情報を把握し関連性を結び付け、理解可能な形で提示するための情報処理技術の基盤となる研究を行う。
|
| 研究実績の概要 |
本研究では、時空間情報を統合した1細胞発現解析手法の開発を行う。近年の生命科学データは高解像度化・マルチモーダル化が著しく、1細胞遺伝子発現プロファイルを中心としたデータの情報量は容易に人間の理解を超える。本研究の目的は、1細胞遺伝子発現プロファイルを解析するための基本となる特徴抽出/次元削減やクラスタリング・可視化といった一連の解析と、異なるモーダルのデータを統合して扱うことを可能とする方法論の開発である。そして、生命科学の膨大で複雑なデータから、人間の代わりに情報を把握し関連性を結び付け、理解可能な形で提示するための情報処理技術の基盤となる研究を行う。
本研究の目的は、1細胞遺伝子発現プロファイルを解析するための基本となる特徴抽出/次元削減やクラスタリング、可視化といった一連の解析と、より発展的な解析結果、または異なるモーダルのデータを統合して扱うことを可能とする方法論の開発である。
初年度は、1細胞発現解析や空間トランスクリプトーム解析の方法論の調査や実施を行うとともに、細胞動画像から教師なし学習で特徴量を抽出する方法を開発した。特に後者としては、本年度は細胞画像・組織画像を対象にその特徴量を抽出する方法を開発した。これらの画像は、一般画像と比較して、アノテーションの付与や画像自体の収集が難しいといった特徴がある。本研究では画像をグリッド状に分割し、自己教師あり学習によって特徴量を得た上で、クラスタリング解析と組み合わせて確信度などを出力できるよう検討を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
時空間情報を統合した解析方法の要素技術として、1細胞発現解析や空間トランスクリプトーム解析技術と、細胞動画像から特徴量を抽出する方法を開発した。公共データベースから有用なデータを取得して様々なアルゴリズムのメリットやデメリットの分析を行うとともに、研究協力者から提供されたデータに対する解析結果の議論を行っている。
以上のことから、本研究はおおむね順調に進捗していると考えられる。
|
| 今後の研究の推進方策 |
次年度においては、引き続き1細胞発現解析や空間トランスクリプトーム解析の方法論の調査や実施を行うとともに、研究協力者から空間トランスクリプトームのデータの提供を受けて、細胞画像の特徴量と遺伝子発現を組み合わせた解析を行う。
特に、細胞を適切に分類するための表現学習に取り組む。VAE（Variational Auto-Encoder、変分自己符号化器）は、ニューラルネットを利用した教師なし学習の一つである。通常のAuto-Encoderは、入力した信号を潜在変数に符号化し、潜在変数から復号したものが入力信号と同じになるように学習することで、圧縮された特徴を抽出する。VAEは潜在変数に確率分布を仮定することで、各変数がより独立した特徴を獲得できるものである。本研究ではVAEを発現解析に応用することで、1細胞発現プロファイルまたはその集積である細胞アトラスから、個体・臓器・組織・細胞の種類、疾患や環境の違いを超えた共通で独立な表現を獲得することを目指す。
|
