|
昨年度、機能性RNA設計手法の確立を目標とし、機械学習の新規手法の提案を行なった。本年度は、提案手法の計算機的・実験的な検証を包括的に行い。提案手法の有効性を大規模に検討した。
具体的には、データベースに登録される天然の機能性RNAを多数学習させ、生成配列が計算機的に天然配列の特徴を捉えているかをまず検証したところ、提案手法はデータ数が少ないRNA種に対しても安定的に特徴を捉えた配列を生成することが明らかになった。
次に、生成RNAのハイスループットアッセイを行った。提案手法を用いてランダムに生成したRNAをオリゴライブラリプールを用いて合成し、大規模並列シークエンサーを用いたプール型機能スクリーニングを行なった。また、研究過程において、既存手法を用いて活性パラメータの推定を行ったところ推定値が安定的に測定できなかった。そこで、ベイズ推定を用いた数理モデリングを行い、少ないリード数であっても安定的に活性推定が可能となった。そして、算出した活性パラメータを天然配列と比較したところ、天然配列の活性値と類似した活性値分布を示した。このことから、生成配列は天然配列の活性値も模倣しており、高い設計成功率を示すことが明らかになった。
以上のことから、提案手法を用いた機能性RNA配列設計が可能となった。本手法は様々な機能性RNAに対して広く応用可能であり、RNA工学における設計プラットフォームと言える。今後は論文化を進めるとともに、提案手法のさらなるRNA工学への応用を広げる予定である。
|
