|
本研究では、iPS細胞を介さずに線維芽細胞から標的細胞へと細胞を直接分化誘導するるダイレクトリプログラミング（DR）を誘導する転写因子を予測するための新たなin silico手法を開発した。研究期間全体を通じて、シングルセルマルチオミックスデータの前処理を行い、本データの入力に特化したDR誘導転写因子候補の予測アルゴリズムを新たに構築した。本研究の特徴として、シングルセルRNA-seq及びシングルセルATAC-seqを活用することで、従来のバルクオミックスデータでは捉えられなかった標的細胞特異的な転写制御機構を捉え、それらを制御する転写因子候補をin silicoで予測することを可能にした点である。
最終年度は、先行研究で我々が既に構築したDR誘導転写因子を推定する機械学習アルゴリズムとは異なる新たな手法を導入し、予測精度の向上を図った。予測対象の一部細胞種では、当初予定していたシングルセルマルチオミックスデータが取得できなかったため、先行研究の予測結果との純粋な比較が困難となった。しかし、全体としてシングルセルマルチオミックスデータを用いた予測はバルクのマルチオミックスデータを用いた予測と比較して高い予測精度を示した。特に、一部の細胞種では予測精度が格段に向上し、バルクのマルチオミックスデータを用いた従来の予測では精度が低かった細胞種に対しての予測精度向上にも成功した。加えて、転写因子を推定する機械学習アルゴリズム自体の改良によっても予測性能が向上することが明らかになった。
|
