| 研究課題/領域番号 |
20H00123
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
金子 邦彦 東京大学, 大学院総合文化研究科, 教授 (30177513)
|
|---|
| 研究分担者 |
栗川 知己 関西医科大学, 医学部, 助教 (20741333)
坂田 綾香 統計数理研究所, 数理・推論研究系, 准教授 (80733071)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 頑健性 / 可塑性 / 学習 / 進化 / 次元圧縮 |
|---|
| 研究実績の概要 |
[I]進化シミュレーションによる次元縮減の検証およびその条件の解明：細胞の代謝系、遺伝子制御ネットワークの進化シミュレーションにより、進化を通して状態変化が低次元に拘束される、次元縮減の妥当性を確認した。そのために定常状態（固定点）まわりの緩和の固有値に着目し、少数の固有値が０に近くなることを確認し、そ の固有モードの変動が大きくなっていることを示した。この次元縮減がどこまでモデルによらずに成立することをスピングラスモデルおよびタンパクデータで確認した。ついで、次元縮減が多くの環境条件下で生じるかについて遺伝子制御ネットワークを多環境条件で進化させて、この適応度条件に応じて縮減される次元がどう変化するかを明らかにした。
[II]理論解析：スピン系の統計力学進化モデルを用いて次元縮減の普遍性を明らかにし、さらにその由来と条件を求め次元縮減をレプリカ対称性（の破れ）とも関連づけて議論した。また環境状態による適応変化と長時間の進化的変化が相関することを示し、これを局所マティス状態近似で説明した。
「III」細胞―多細胞階層への展開：階層間整合性を持つ安定した生命システムの次元縮減と少数のマクロ自由度での拘束の仮説を、分子―細胞の階層だけでなく他の階層への展開を図った。この観点から細胞分化理論を展開し、一方で生態系での多種共存条件との関連を求めた。
[IV]神経集団における学習過程：外部入力に対して対応する出力を出す神経ネットワークモデル研究を進め、学習過程により多くの入出力応答を記憶できるモデルを解析し、そのときの自発的神経活動の特性を明らかにした。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
[I]：タンパクのデータのモデルから次元縮減が生じていることを検証し、論文出版した。さらにこれと進化との関係を議論している。遺伝子制御ネットワークでの次元縮減を確認し、それと多環境への適応との関係を調べている。
[II]スピン系統計力学モデルでの次元縮減の結果を論文発表し、またプレスリリースもおこなった。一方で力学系理論の立場では、このように次元縮減された遅いモードが速いモードを制御する特徴をもつ。速い遺伝子発現振動と遅いエピジェネティック過程のフィードバックモデルにより、安定した細胞分化が生じることを示し論文発表した。
[III]実際バイオフィルムなど微生物が集団を形成して全体で増殖、維持する例は数多く知られているが、このような微生物集合体は各細胞の状態変化と細胞集団の適応が整合して変化する系である。そこで分子―細胞レベルの次元縮減理論を1階層上の問題に拡張する理論とシミュレーションを進めている。「IV」遺伝子発現を神経発火へ、適応進化を学習へと読み替え、神経系で学習の結果で次元縮減が生じるかを神経回路網力学系シミュレーションによって調べている。 また、導入した神経回路モデルが複雑な時系列を学習できることを示し、論文の準備を進めている。
以上、どのテーマについても、予想外の理論的発見もあり、論文出版も含めて計画よりも順調に進行している。
|
| 今後の研究の推進方策 |
[I]進化シミュレーションによる次元縮減の検証およびその条件の解明：遺伝子制御ネットワークの進化シミュレーションをさらに進め、適応状態だけでなく、それに至る動的なパスが次元縮減されているか、その条件を明らかにする。
[II]理論解析：まず、実際のタンパクデータを用いて次元縮減を明らかにする。ついでスピン系の統計力学進化モデルを用いた次元縮減の理論研究をタンパクのアロステリック制御へ拡張する。
一方で力学系理論の立場では、このように次元縮減されたシステムは少数自由度だけの変化が遅く、他の自由度はそれに比べ速く緩和しているので、そのために速い変数と遅い変数が相互に影響するシステムの適応、進化のシミュレーション、理論研究を進める。
[III]細胞―多細胞階層への展開：微生物集合体のモデル化を行い、そのダイナミクスを調べ分子―細胞レベルの次元縮減理論を1階層上の問題に拡張し、微生物生態系のロバストネスとの関連を求める。
[IV]神経集団における学習過程：抽象化されたニューラルネットワークを用いて入出力関係の学習モデルを構築する。このモデルを用いて、神経活動の次元をコントロールするパラメタである非線形度と、学習速度および想起性能との関係を明らかにする。また、埋め込まれたメモリパタンにより形成される神経活動に対しする新規学習パタンの相対的な位置関係に着目し、学習速度がどのように変化するのかを解析する。
|
