計画研究
炎症記憶の形成過程を細胞や分子レベルでの細胞間相互作用として解明を目指し、数千個の細胞からなる炎症組織の構成細胞について、定性的・定量的情報を「細胞状態変数」として収集蓄積、統合するために必要な手法の開発とそれを用いた実際のデータ解析を進めた。単一細胞プロファイルに基づく、「炎症の場」としての細胞社会の記述を可能とすることを目指し以下のように研究を進めた。（1）単一細胞トランスクリプトーム動態の解析・モデリングのための単一細胞遺伝子発現プロファイルデータ解析手法の確立と解析（池尾）。データ解析のための解析フローの確立を進めると同時に、クラスタリング手法の改良を行い再現性と分離性の改善を行った。（2）細胞集団の動態モデルの構築に向けて、様々な情報学的手法とシミュレーションを用いたモデル構築のための手法のモデル構築へ応用（太田）。RNA-seqデータから突然変異情報を抽出し遺伝子変異に基づく細胞系譜作成を試行し、評価を行った。（3）各細胞状態に対応するマーカー遺伝子候補の抽出とそれらの機能情報に基づく炎症記憶形成における役割の推定と検証（渡邊）。各細胞の特徴配列抽出のための手法を開発し、実際のデータに対して細胞分類、新規細胞の特徴づけを進めた。（４）機械学習モデルから炎症細胞へ遷移する細胞の予測 (小倉)。機械学習を用いて、細胞の分類を行い細胞の遷移を遺伝子発現による細胞系列の分類手法の試行を進めた。また、計画班を中心にA01,A02の各グループに対して、データ解析の支援を開始した。
2: おおむね順調に進展している
(1)単一細胞トランスクリプトーム動態の解析・モデリングのための単一細胞遺伝子発現プロファイルデータ解析手法の確立と解析(池尾)、(2)細胞集団の動態モデルの構築に向けて様々な情報学的手法とシミュレーションを用いたモデル構築のための手法のモデル構築へ応用(太田)、(3)各細胞状態に対応するマーカー遺伝子候補の抽出とそれらの機能情報に基づく炎症記憶形成における役割の推定と検証(渡邊)、(4)機械学習モデルから炎症細胞へ遷移する細胞の予測(小倉)について研究を進めた。その結果、単一細胞遺伝子発現データ解析のための新しいクラスタリング方法を含め、細胞特徴配列抽出、細胞分類などのための解析フローの作成を終了し、パイプライン化と自動化を進めている。この過程で従来問題であった発現プロファイルによるクラスタリングの非収束の問題を解消し、新しいクラスタリング手法（UMAP)を導入し、統計的テストを行うことによりクラスタリング結果の定量的な信頼性の指標を確立した。また、これらの技術に基づいて各研究グループに対するデータ解析支援を開始し、遺伝子発現プロファイルによる細胞系譜の作成を開始し、それぞれの疾患における状態遷移の動的分子ネットワーモデルの構築に取り掛かった。また、細胞系譜作成のために遺伝子発現プロファイルの遷移に加えて、従来の集団遺伝学や生物進化の研究で用いられてきた分子系統、集団進化モデルを応用し、単一細胞シークエンスデータからの突然変異サイトの抽出と変異に基づく細胞分類、系譜作成を検討開始した。加えて、遺伝子発現プロファイルを用いた細胞分類、同定手法の研究を進め、遺伝子発現から新規細胞軍の抽出を行う解析フローの開発と検証を行うとともに、合わせて共発現パタンから新規複合体タンパク候補を推定する手法の開発も同時に行った。以上の成果を踏まえて現在の進捗状況は計画通りであり、概ね順調に進展していると判断した。
遺伝子発現プロファイルによる細胞系譜の作成と分子ネットワークの遷移モデル作成を進め、遺伝子発現データに加えてゲノム配列情報やその他の病理学データを統合することにより、マーカー候補遺伝子の疾患への関与の機能アノテーション及び作用モデルの構築を行う。具体的には、1. Single cell 遺伝子発現データを用いた遺伝子発現ネットワークの推定(池尾)。機械学習に代表されるモデルに依存しない解析方法を検討していく。他計画班グループと協力して、遺伝子レベルの細胞集団解析結果と他の領域の結果を統合し整合性を持たせるように、データの再構築とモデリングを進める。遺伝子レベルのデータに他グループの情報を連結し統合することを行い、その次の統合解析とモデリングを行う。2. 分子系統、集団進化モデルを用いた炎症細胞社会遷移モデルの構築(太田)体細胞突然変異の結果生じた幹細胞集団のモザイシズムは遺伝子プールにおける多型のアナロジーであり、幹細胞から分化した細胞の系列は系統のアナロジーとみなすことが出来る。幹細胞は活性化後自己増殖と分化のいずれかの道筋をたどることになるので、前者は集団レベルの、後者は種分岐レベルの現象のアナロジーとみなし、分子系統と集団進化モデルを必要に拡張及び改変することで、炎症細胞社会遷移モデルの構築を継続して行う。3.遷移マーカー遺伝子が炎症細胞への遷移に対する影響解析(渡邊)。細胞間の類似・非類似、あるいは、分類の基準を定める。その基準・手順に基づき各細胞種や状態の判別を行い、それが組織学的に妥当であるかをA01およびA02の関係者と検討し、妥当なものとなるまで基準の改定を行う。4. 構築した機械学習モデルから炎症細胞へ遷移する細胞の予測(小倉)機械学習による細胞プロファイリング手法から、実際に炎症細胞へ遷移する細胞の予測を行う。各計画班と連携してデータの収集を測る。
すべて 2019 2018
すべて 雑誌論文 (2件) (うちオープンアクセス 1件)
Exp Mol Pathol.
巻: 106 ページ: 78-88
10.1016/j.yexmp.2018.11.013.
Database (Oxford).
巻: 2018 ページ: 1-12
10.1093/database/bay027.
