研究課題
申請者の過去の研究フィールドを中心に、複数のデータセットをベイズ手法により統合解析することに適当な例を文献検索した結果、複数の例が同定されたが、(1) SNPジェノタイプ・トランスクリプトームデータ・個体量的表現型の組み合わせと、(2) SNPジェノタイプ・エピゲノム・トランスクリプトームの組み合わせとが、プロトタイプ検討対象として適切であろうと考えられた。シミュレーションデータ作成とMCMCベイズ法との両方のプログラム実装を進めるにあたり、いくつかの技術的課題が確認されたので、それに関する情報収集を進め、適宜、改良を行い、学会発表に至ったが、われわれの構想とほぼ同じ枠組みの研究が海外研究者により論文発表された。これを受け、オミックスデータの定義を拡張子、特に、統計解析の枠組みに乗りにくい表現型である、形態学的情報と３次元移動・軌跡情報とを標的として、確率微分方程式を立て、それに対して、生物学的事前知識をある程度用いた事前分布を定めた上で、離散時刻観測データにより事後確率分布を更新する手法の開発に取り組んだ。これにより、遊走細胞の３次元形態情報とその３次元空間移動情報とを、モデルに定めたパラメタの値の事後分布として特徴づけするＭＣＭＣベイズ手法の開発に成功した。この成果は、学会発表した。また、このようにして抽出した１細胞の形・動きの特徴量は、いわゆる１細胞情報（発現情報等）とさらに統合するのが容易な状態になっている。本研究では、当初計画が海外他研究グループに先を越されたがゆえに、軌道修正することが適当となったが、その基本的手法の枠組みを維持しつつ、標的に軌道修正を加えることにより、かえって、オミックス研究領域における解析の難しい表現型の解析基盤を整えることに寄与することとなり、有意義なものとなった。
すべて 2020 2019 その他
すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 2件) 学会発表 (1件) 備考 (1件)
Statisitcs in Biosciences
巻: 12 ページ: 63-77
https://doi.org/10.1007/s12561-020-09271-6
Transactions of the Japanese Society for Artificial Intelligence
巻: 34(5) ページ: D-J13_1-7
https://doi.org/10.1527/tjsai.D-J13
https://github.com/statgenetJimu/Spherization/blob/master/pvalueCalculation_Botev.R
