|
本研究では、最先端の数理モデリングを基軸として、代謝アダプテーションの臓器横断的理解を加速するための情報解析技術を開発する。具体的には、①臓器横断的モジュールを同定するテンソル因子分解モデリング技術・深層学習技術の開発、②臓器連関を可視化するスパースモデリング技術の開発、③モジュールネットワーク構造変化ノードを検出する機械学習技術の開発、という３項目を主たる研究項目として推進する。これら解析技術の有用性を、ヒト臨床サンプル、疾患モデル動物を用いた実験系で検証する。2021年度は以下のような進展があった。（１）臓器横断的モジュールを同定するベイズ因子分解モデル・マルチモーダル深層生成モデルの解析ツールの開発・公開：前年度開発した BALSAMICO および scMM に関して解析結果を論文としてまとめるとともに、解析ツールを github 上に公開した。（２）細胞間相互作用ネットワークを推定する深層生成モデルの開発：一細胞RNA-seqデータと空間トランスクリプトームデータを統合することで、細胞間相互作用ネットワークを推定し、臓器による細胞間コミュニケーションの違いを抽出するための深層生成モデル（deepCOLOR）を開発し、シミュレーションデータおよび実データで開発手法の有用性を検証するとともに、開発技術の検証結果をまとめ、国際科学誌に投稿した。（３）臓器連関を可視化するスパースモデリング技術、およびモジュールネットワーク構造変化ノードを検出する機械学習における解析パイプラインの構築：スパコン上で解析技術を並列化し、高速化する解析パイプラインを構築し、シミュレーションデータおよび実データで有用性を検証した。
|
