|
本計画研究は、トランスオミクス統計解析手法を提案・開発し、各オミクス計測と応用の研究者と連携しオミクスデータを解析することで、トランスオミクスを読み解き、疾患や生体における代謝状態の変化を体系的網羅的に明らかにすることを目的とする。本年度は、臨床検体とモデル動物を用いたがん免疫や糖尿病の大規模データによる現象解析を進め、統計解析によるデータ駆動型解析を完成させた。解析方法とし、(1) アノテーションデータにより実装した知識型手法を用いて、ゲノムから代謝にいたる制約を見出すことでフィルタリングを行う方法、(2) 層間の分子の依存関係からゲノムによる遺伝子発現予測手法と組み合わせて全遺伝子の発現を予測する因果・階層型手法を用いて、代謝に関わる遺伝子群を特定する方法、(3) 高次元空間からの次元圧縮、特徴抽出、特徴選択を行う数学的手法と、多階層オミクスデータを同時に扱う統合型解析手法を適用する方法を開発してきた。これらを実証すべく、各班や医療機関と連携し、がん、免疫、糖尿病のオミクスデータ取得や感染症データを用いて実際の解析を行なった。その結果、進行性大腸がんで免疫学的に新たな分類を発見し、その分類の患者の予後が極端に悪い原因を免疫編集の観点から解明した（iScience 2022）。これらの方法論を他の各がん種の免疫学的解析に応用し、新規発見を報告した。次に高次元空間からの次元圧縮、特徴抽出、特徴選択を行う方法を深層学習で確立し、がん解析に適用し、特徴づけを行なった（Brief Bioinform 2021）。さらに深層学習をCOVID-19感染に適用し、拡大の予測を行う方法を確立した（BMC Bioinform 2021）。糖尿病の代謝オミクスでは黒田班と共同でヒトGWASとマウスのトランスオミクスの情報乗り入れによる新規発見に至り（医学のあゆみ 2021）、論文化中である。
|
