| 研究課題/領域番号 |
23H00539
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分64:環境保全対策およびその関連分野
|
|---|
| 研究機関 | 国立研究開発法人国立環境研究所 |
|---|
研究代表者 |
橋本 俊次 国立研究開発法人国立環境研究所, 環境リスク・健康領域, 室長 (80321719)
|
|---|
| 研究分担者 |
松神 秀徳 国立研究開発法人国立環境研究所, 資源循環領域, 主幹研究員 (10639040)
早川 英介 九州工業大学, 大学院情報工学研究院, 准教授 (20739809)
大塚 宜寿 埼玉県環境科学国際センター, 研究推進室, 副室長 (30415393)
大谷 隆浩 名古屋市立大学, 医薬学総合研究院(医学), 講師 (30726146)
山本 敦史 公立鳥取環境大学, 環境学部, 准教授 (40332449)
竹峰 秀祐 埼玉県環境科学国際センター, 化学物質・環境放射能担当, 専門研究員 (40512380)
家田 曜世 国立研究開発法人国立環境研究所, 環境リスク・健康領域, 主任研究員 (40761078)
宮脇 崇 北九州市立大学, 国際環境工学部, 准教授 (70346691)
江口 哲史 千葉大学, 予防医学センター, 講師 (70595826)
頭士 泰之 国立研究開発法人産業技術総合研究所, エネルギー・環境領域, 主任研究員 (80611780)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2025年度)
|
| 配分額 *注記 |
47,190千円 (直接経費: 36,300千円、間接経費: 10,890千円)
2025年度: 11,050千円 (直接経費: 8,500千円、間接経費: 2,550千円)
2024年度: 14,560千円 (直接経費: 11,200千円、間接経費: 3,360千円)
2023年度: 21,580千円 (直接経費: 16,600千円、間接経費: 4,980千円)
|
|---|
| キーワード | Computational Analysis / Comprehensive Analysis / Anomaly Detection / Collaborative Research / Exploration of Causes / ノンターゲット分析 / ラウンドロビンテスト / GC/MS / LC/MS / 異常検出 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
本研究では、質量分析を中心に重金属などの無機元素やイオンなどの各種計測を加えた包括分析を行うことで、より広範囲な化学種の検出を目指し、そのカバー範囲や再現性等の検証は複数の協力機関が参加する共通試料分析により実施する。また、人工知能や計算科学的手法を投入することにより、包括的分析データから原因物質に係る有意成分を抽出し、その構造や物性を予測する一連の解析法を開発する。収集した包括データのレトロスペクティブ解析やオンデマンド解析による物質探索を可能にし、最終的には、環境異常事象の要因(化学物質・化学種)を特定・推定するための即応的・実践的かつ先駆的な手順を提案する。
|
| 研究実績の概要 |
ノンターゲット分析法の最適化と共通化の可能性を探るため、様々な機器と測定条件における検出能力を把握するために、農薬、VOC、界面活性剤などの混合標準品を11機関に配布し、GC/MS、LC/MS、ICP（/MS）による共同分析を開始した。
埼玉県下で採取された河川水質の分析データを用い、データ処理ワークフローのプロトタイプの作成を行った。同一条件で測定されたGC/MSあるいはLC/MSデータのピーク検出、デコンボリューション、アノテーション及びアライメントは、MS-DIAL上で行い、その後の次元削減とデータ分類（特徴抽出、異常検出）には、Uniform Manifold Approximation and Projection（UMAP）を採用し、Web上で動作する環境を試作した。ノイズの除去と異常の要因抽出にはNonnegative Matrix Factorization（NMF）が有効であると考えられた。
成果は、総説を含め誌上発表が2件、ポスター発表を含む口頭発表が15件として発信した。
|
| 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
サブテーマ１における共同分析では、標準品の調達に時間を要したために開始が遅くなったが、2024年度早々にデータを収集・解析する準備をしており、多少の計画の遅れは解消する見込みである。
|
| 今後の研究の推進方策 |
埼玉県下での継続的なノンターゲットモニタリングにより収集されるデータの解析を試みつつ、定常状態の定義と異常検出の手法を固める予定である。また、ノンターゲット分析の検出力を確認するため、環境試料への濃度レベルと種類を変えた標準試薬の添加実験と人為的に作成した模擬データを混入させた実験を実施する。共同分析の解析結果を、LCMS、GCMSの測定条件の共通化と最適化に反映していく計画である。
|
