• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2023 年度 研究成果報告書

AIによるデータ駆動型ダイレクトリプログラミングの創生と腫瘍化リスクの回避

研究課題

  • PDF
研究課題/領域番号 21K18327
研究種目

挑戦的研究(開拓)

配分区分基金
審査区分 中区分90:人間医工学およびその関連分野
研究機関名古屋大学 (2023)
九州工業大学 (2021-2022)

研究代表者

山西 芳裕  名古屋大学, 情報学研究科, 教授 (60437267)

研究分担者 鈴木 淳史  九州大学, 生体防御医学研究所, 教授 (30415195)
味八木 茂  広島大学, 病院(医), 特定教授 (10392490)
研究期間 (年度) 2021-07-09 – 2024-03-31
キーワードダイレクトリプログラミング / 腫瘍化リスク / データ駆動 / 細胞直接変換 / AI
研究成果の概要

iPS細胞を介さずに目的の臓器の細胞に直接変換するダイレクトリプログラミングが革新的な再生医療技術として注目されている。しかしながら、ダイレクトリプログラミングを誘導する因子セット(転写因子や低分子化合物など)を同定するのは極めて困難である。そこで本研究では、ダイレクトリプログラミングを誘導する転写因子や低分子化合物を予測する情報技術を構築した。さまざまな多階層オミクスデータを基に、細胞の直接変換を誘導する転写因子セットや、それを代替する低分子化合物セットを予測する最適化アルゴリズムを開発した。皮膚線維芽細胞から神経細胞や心筋細胞などへの直接変換において有用性を示した。

自由記述の分野

バイオインフォマティクス

研究成果の学術的意義や社会的意義

これまでのダイレクトリプログラミングの標準的な方法は、レトロウィルスを用いた転写因子の遺伝子導入であり、ウィルスに起因する発がんリスクという深刻な問題があった。そこで、本研究では、近年蓄積されている医薬関連の様々なデータから、ダイレクトリプログラミングを誘導する低分子化合物を予測する機械学習アルゴリズムを開発することが目的であり、そこに学術的意義がある。通常の細胞の直接変換は、ウイルスを用いて必要な転写因子の遺伝子を元細胞に導入するため、ウイルスに起因する発がんリスクなどの問題があるが、それを回避することによって、再生医療の臨床応用を促進することができるという社会的意義がある。

URL: 

公開日: 2025-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi