| 研究課題/領域番号 |
22K17992
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
尾崎 遼 筑波大学, 医学医療系, 准教授 (10743346)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| キーワード | 機械学習 / プロモーター配列 / 深層生成モデル |
|---|
| 研究実績の概要 |
ヒトの健常・疾患臓器の研究において特定の細胞型を可視化・分取・追跡・摂動・制御するために、分子・細胞生物学ツールを特異的に発現させるプロモーター配列が必要となる。従来、発現特異性を示す内在性遺伝子(マーカー遺伝子)のプロモーター配列(既存配列)を用いていたが、細胞分類の細分化が進み、単一のマーカー遺伝子が見つけるのが困難になっている。
そこで本研究では、マーカー遺伝子に頼らずに、深層学習によって特異的発現プロモーター配列を人工的に設計する手法を開発する。さらに、開発した手法を複数のデータセットに適用し、細胞型特異的な人工プロモーター配列のデータベースを構築する。
その中で2022年度は、敵対的生成ネットワークによって生成された塩基配列のうち、一定の範囲の発現特異性を有すると予測された配列を敵対的生成ネットワークの入力配列として戻す機構を備えたアーキテクチャを実装し、その効果を検証した。具体的には、まず、ヒトゲノムにおける特定の転写因子結合配列とバックグラウンド配列の判別器を畳み込みニューラルネットワークにて実装し、その上で敵対的生成ネットワークによって生成された塩基配列の転写因子結合を予測、予測結果に応じて生成配列の一部を敵対的生成ネットワークへの入力として戻すことで、所望の機能を持つと予測される配列を得ることができた。また、複数の種類の細胞型における発現量を予測する回帰器を畳み込みニューラルネットワークにて実装し、同様のアーキテクチャを構築することで、様々なパターンの発現特異性を持つ配列を生成できることをシミュレーションレベルで示すことができた。また、これらの成果を国内学会にて発表した。
|
| 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
敵対的生成ネットワークを利用し、シミュレーションデータの段階で、判別問題や回帰問題に対応したアーキテクチャを構築できることを示したため。
|
| 今後の研究の推進方策 |
構築したアーキテクチャの適用可能範囲を、様々なシミュレーションデータや実データへの適用を通じて検証する。並行して、最近の機械学習の進展を参照しつつ、異なるアーキテクチャの有効性も検証する。
|
| 次年度使用額が生じた理由 |
データ量が当初の予想よりも小さくなり、今年度の計算機や周辺機器の調達が少なくなったため次年度使用額が生じた。計算機や周辺機器の調達に使用する予定である。
|
