| 研究課題/領域番号 |
23K11302
|
|---|
| 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 | 滋賀大学 |
|---|
研究代表者 |
岩山 幸治 滋賀大学, データサイエンス学系, 准教授 (90737040)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2028-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2027年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2026年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2025年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2024年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
|
|---|
| キーワード | 生成モデル / トランスクリプトーム / RNA-Seq / 変分オートエンコーダー / Deconvolution |
|---|
| 研究開始時の研究の概要 |
生物は多様な細胞から成っており，生命現象を理解するためには，対象を構成する細胞腫の割合や細胞腫ごとの遺伝子発現パターンを明らかにすることが重要となる．しかし，多種多様な条件で取得された大量のサンプルについて細胞ごとの発現パターンを測定することは未だ困難である．本研究では多様な条件における細胞種ごとの遺伝子発現パターンを明らかにするため，多数の細胞から取得された遺伝子発現データを細胞種ごとの遺伝子発現パターンへ分解するモデルを開発する．細胞種ごとの遺伝子発現パターンについて機械学習を行い，多種多様なサンプルについて，細胞種ごとの遺伝子発現パターンを推定することが可能となると考えられる．
|
| 研究実績の概要 |
bulk RNA-Seqを細胞種ごとの遺伝子発現パターンへ分解することを目的とし，細胞種ごとの遺伝子発現パターンを学習した生成モデルを利用し， bulk RNA-Seqのデータから細胞種ごとの遺伝子発現パターンを推定する手法の開発に取り組んでいる．
2023年度は，bulk RNA-Seqの細胞種・組織種への分解手法のテストケースとして，シロイヌナズナ個体のbulk RNA-Seqを根と葉という二つの組織の発現量へ分解することを試みた．植物の遺伝子共発現のデータベースATTED-II（Aoki et al. 2015）において共発現の計算に用いられたシロイヌナズナのRNA-Seqデータ21981サンプルのうち，根と葉の組織のサンプルそれぞれを使って生成モデルの学習及び最適なモデル構造の探索を行った．また，この学習された生成モデルに基づいてシロイヌナズナのバルクRNA-Seqデータから，根と葉それぞれの遺伝子発現量とその構成割合の推定を行うプログラムの開発を行った．開発したプログラムの性能を検証するため，疑似的に生成した個体レベルのbulk RNA-Seqデータに適用した．上記データに含まれる根と葉を同一個体から取得したサンプルについて，根と葉それぞれの発現データを混合することで，個体全体からのbulk RNA-Seqの疑似データを生成した．この疑似データに対して，開発したプログラムを適用し，根と葉それぞれにおける遺伝子発現量と混合割合の推定を行った．その結果，根と葉の混合割合やそれぞれの組織における発現量を概ね正確に推定できることを確認した．
最後に，複数の化学物質に曝露したシロイヌナズナの個体のbulk RNA-Seqデータを根と葉の発現量へ適用した．このデータの実験条件は，生成モデルの学習データからは大きく異なるため，一部でサンプルの属性と整合しない結果が得られている．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本研究の最終的な目的であるbulk RNA-Seqデータの細胞種ごとの遺伝子発現パターへの分解の前段として，シロイヌナズナの個体から取得したbulk RNA-Seqデータの根と葉という組織への分解に取り組んだが，実際の実験データに対する性能評価が完了できなかった．
生成モデルの学習に用いたデータからは大きく異なる実験データへ適用した場合に，モデルが予期せぬ挙動を見せることが判明したため，生成モデルの学習と分解アルゴリズムの両面からさらなる検討を必要とする．
|
| 今後の研究の推進方策 |
学習データと大きく異なる条件で取得されたシロイヌナズナのデータを正しく根と葉へ分解する方策を引き続き検討し，分解性能の検証を行う．
並行して，Single-Cell RNA-Seqの公開データを用いた生成モデルの学習に取り組む．
|
