| 研究課題/領域番号 |
23K20315
|
|---|
| 補助金の研究課題番号 |
20H03462 (2020-2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2020-2023) |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分49020:人体病理学関連
|
|---|
| 研究機関 | 国立研究開発法人国立成育医療研究センター |
|---|
研究代表者 |
梅澤 明弘 国立研究開発法人国立成育医療研究センター, 再生医療センター, 部長 (70213486)
|
|---|
| 研究分担者 |
三上 修治 独立行政法人国立病院機構埼玉病院(臨床研究部), 診療部, 病理診断部長 (20338180)
青砥 早希 国立研究開発法人国立成育医療研究センター, バイオバンク, (非)研究員 (60775972)
菅原 亨 横浜市立大学, 生命医科学研究科, 准教授 (70553460)
岡村 浩司 国立研究開発法人国立成育医療研究センター, システム発生・再生医学研究部, 室長 (80456194)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2024年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2023年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2022年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2021年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2020年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
|
|---|
| キーワード | 機械学習 / バイオビッグデータ / 小児がん診断システム / 多能性幹細胞 / テラトーマ |
|---|
| 研究開始時の研究の概要 |
現象・生命情報に関するビッグデータの効率的活用は、活気ある持続可能な社会を構築していくための大きな役割を果たすことになる。内閣府ではSociety 5.0の構築として、国を挙げてAIの活用に向けた技術開発を推進している。本研究では、機械学習技術・Information Retrieval技術のバイオビッグデータへの応用として細胞評価技術を確立し、①小児がんに対する機械学習システムの実装による評価技術の開発と超早期診断技術の構築、②テラトーマの病理組織像の機械学習解析による多能性幹細胞の形質、分化指向性の同定の実現を目指す。
|
| 研究実績の概要 |
本年度も引き続き現象・生命情報に関するビッグデータの効率的活用に向けた研究を実施した。本研究では、機械学習技術・Information Retrieval技術のバイオビッグデータへの応用として細胞評価技術を確立し、①小児がんに対する機械学習システムの実装による評価技術の開発と超早期診断技術の構築、②テラトーマの病理組織像の機械学習解析による多能性幹細胞の形質、分化指向性の同定の実現に向けた検討を実施している。バイオビッグデータと機械学習を基本としたIT技術の融合により小児がん診断システム及びヒト多能性幹細胞評価システム構築することは、蓄積されたビッグデータの有効利用であり、情報分野におけるグローバルスタンダードとなる可能性を有していると同時に、テラトーマへの科学的な理解に対する新たな礎となる。テラトーマの病理組織像に対して機械学習解析を行い、そのデータを教師として、多能性幹細胞の形質、分化指向性の同定にむけた解析を実施した。テラトーマ形成の過程や細胞間、移植部位それぞれの相互作用を始め、テラトーマを構成する自然法則、パラメータを明らかにし、多能性幹細胞によるテラトーマがどのように創成されているかを畳み込みニューラルの構成的アプローチによって有機的なシステムとしてのアプローチを行っている。構成的システム病理学は、細胞、器官、多細胞体などを創成する仕組みや原理を解明するところに特徴がある。現在主流の要素還元的アプローチだけでは困難な、細胞や遺伝子の相互作用の解明が可能となる。
|
| 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
本研究はテラトーマの画像解析データの畳み込みニューラルネットワーク解析を基本としたヒト胚性幹(ES)細胞、ヒト体性幹細胞、ヒト病理画像、マウス-ヒトデータの横断解析から新たなパラダイムの創出を行うことを特徴とする。令和4年度は、前年度に引き続きテラトーマの病理組織像に対して機械学習解析を行い、そのデータを教師として、多能性幹細胞の形質、分化指向性の同定にむけた解析を実施した。テラトーマ形成の過程や、細胞間、移植部位それぞれの相互作用を始め、テラトーマを構成する自然法則、パラメータを明らかにし、多能性幹細胞によるテラトーマがどのように創成されているかを畳み込みニューラルの構成的アプローチによって有機的なシステムとしてのアプローチを継続的できている。
|
| 今後の研究の推進方策 |
分担研究者の三上より提供を受けた病理診断画像を用いた解析が拡大しており、今後もこれを継続する。データの蓄積と解析手法の検討が順調に推移している。バイオビッグデータと機械学習を基本とした小児がん診断システム及びヒト多能性幹細胞評価システム構築することは、蓄積されたビッグデータの有効利用であり、情報分野におけるグローバルスタンダードとなる可能性を有していると同時に、テラトーマへの科学的な理解に対する新たな礎となるものである。テラトーマの病理組織像に対して機械学習解析を行い、そのデータを教師として、多能性幹細胞の形質、分化指向性の同定にむけた解析を実施した。テラトーマ形成の過程や、細胞間、移植部位それぞれの相互作用を始め、テラトーマを構成する自然法則、パラメータを明らかにする。構成的システム病理学は、細胞、器官、多細胞体などを創成する仕組みや原理を解明するところに特徴がある。現在主流の要素還元的アプローチだけでは困難な、細胞や遺伝子の相互作用の解明が可能となる。
|
