| 研究課題/領域番号 |
19H04207
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
瀬尾 茂人 大阪大学, 情報科学研究科, 准教授 (30432462)
|
|---|
| 研究分担者 |
水野 紘樹 大阪大学, 生命機能研究科, 助教 (90707655)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | バイオインフォマティクス / バイオイメージインフォマティクス / トランスクリプトーム解析 / データマイニング / 機械学習 |
|---|
| 研究実績の概要 |
近年の生命科学データはマルチモーダル化が著しい。すなわち、様々（マルチ）な計測法によって、細胞動画像や1細胞オミクスデータなど、様々な様式（モード）のデータが大量に取得されるようになっているということである。オミクスデータはゲノムに由来する情報ゆえにその量が簡単に人間の理解を超え、また動画像は一見理解しやすいものの粒子や細胞の認識・追跡といった処理が必要となり定量的な解析を行おうとすると難しい。
本研究では、細胞動画像とオミクスデータの統合的情報解析技術の開発を行う。動画像解析には深層学習の技法を用いた特徴量の抽出技術の開発を行い、オミクスデータ解析としては一細胞RNA-seqのデータを中心に様々なタイプのデータを結合して、重要な基底の発見とパターンの抽出を行う方法を開発する。
本年度は、細胞動画像とオミクスデータをそれぞれに低次元の特徴量やパターンとして縮約する方法の開発を行った。細胞動画像については、教師なし学習によって画像を分類するDeepCluster法を基礎とする方法の開発を行った。これにより病理画像の分類精度の向上を確認した。また、1細胞RNA-seqデータのための行列分解（非負値行列因子分解; Non-negative Matrix Factorization, NMF）に基づく基底の抽出方法の開発を行った。異なるパイプラインによって定量化されたRNAseqデータを対象にJoint-NMFを行うことで分類精度の向上やロバストな基底の抽出に成功した。加えて、研究分担者との協力により、骨リモデリングに関する1細胞発現データと細胞動画像の取得を行った。
|
| 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
要素技術の開発を進め、研究分担者との協力により細胞動画像と1細胞RNAseqのデータ取得を行った。
|
| 今後の研究の推進方策 |
次年度においては、変分自己符号化器を用いた細胞形態の抽出方法の開発と、1細胞RNA-seqデータのための行列分解（非負値行列因子分解）に基づく基底の抽出方法の開発を行う。また、昨年度に取得した、骨リモデリングに関する1細胞発現データと細胞動画像を対象としてこれらの要素技術の適用を行い、新たな研究分担者との議論を行う。
|
