|
多種の既知薬剤作用下で取得された時系列遺伝子発現パネルデータの統計的モデリングに基づき、未知化合物に対する生体システムの 応答を予測し、また逆に応答プロファイルから化合物の構造を予測するための方法論の研究を進めた。本研究では薬剤の化学構造情報 と、薬剤投与下の時系列遺伝子発現データから動的モデリングにより抽出される生体応答システムの情報(制御構造および動的特性) を鍵に異種情報を統合することにより、上記の予測を可能にする手法の確立を目的としている。 本年度は、前年度のデータベースの準備および初期モデルの検討に基づき、薬剤構造間の類似度を反映したカーネル行列と薬剤刺激に対する生体の応答の類似度を表現するカーネル行列間のカーネル正準相関分析に基づく情報抽出法の開発を進めるとともに、ベイズ的エミュレーション法に基づく薬剤構造から生体の薬剤応答を予測するための手法の開発検討を進めた。ところで薬剤刺激に対する応答としては、観測遺伝子群の発現値そのものを利用することも考えられるが、そのデータは一般に高次元の時系列であり、そこからシステム全体の応答を把握するのは難しい。そこで上記手法からの推定結果の解釈可能性を高めることを目的に、薬剤刺激に対する応答の情報として高次元遺伝子発現時系列データから動的モデルを介して縮約抽出された低次元の薬剤効果プロファイルおよび薬剤標的情報を用いる着想を得て、そのための時系列モデル推定手法の開発も進めた。
|
