奇形腫病理の機械学習解析に基づくヒトｉＰＳ・ＥＳ細胞のクリティカルエピゲノム同定

2019 Fiscal Year Annual Research Report

• Project/Area Number: 15H04715
• Research Institution: National Center for Child Health and Development
• Principal Investigator: 梅澤 明弘 国立研究開発法人国立成育医療研究センター, 再生医療センター, 副所長/再生医療センター長 (70213486)
• Co-Investigator(Kenkyū-buntansha): 豊田 雅士 地方独立行政法人東京都健康長寿医療センター(東京都健康長寿医療センター研究所), 東京都健康長寿医療センター研究所, 研究副部長 (50392486) ; 中井 謙太 東京大学, 医科学研究所, 教授 (60217643) ; 秦 順一 公益財団法人実験動物中央研究所, その他部局等, 所長 (90051614)
• Project Period (FY): 2015-04-01 – 2020-03-31
• Keywords: ヒト幹細胞 / 人体バイオリソース / 再生医療 / 泌尿生殖器・内分泌

Outline of Annual Research Achievements

機械学習によるテラトーマ評価を行った。既存技術では、比較的検知しやすい情報のみを拾い上げ、テラトーマの組織構成としている。これはテラトーマから得られる 形態情報のうち、ごく一部のみを利用しているに過ぎない。数千カ所のミクロな病理組織情報を積み重ねた結果によるマクロな特性の発見は既存技術を用いた指標では限界がある。また、既存の機械学習ツールは、何万個のオーダーの特徴を利用したタスクを想定していない。畳み込みニューラルネットワークの機械学習アルゴリズムでは数万個の特徴を用いた分類問題を解く事で、テラトーマ組織像における豊富な情報をフルに活用することが可能である。従来までのバッチ形式を基盤とする解析手法では、バッチ毎に解析の値が変化するため、データセットが固定され、１回の解析ですべてを完結する必要があり、データの追加による精度の向上は不可能である。また、解析の度に全データを一から処理するバッチ形式では対応できないほど解析対象のデータが膨大になり、データを一部のみを利用するなどの次善策が講じられた。結果として供出されるデータの全体像を把握することは困難であった。この問題の解決にはデータの追加時の処理が軽いオンライン処理が必要である。開発実績を有している技術を応用しリアルタイムで生物情報の解析が可能な機械学習プラットフォームを申請者のチームは開発しており、本研究においてもプラットフォームとして利用する。
今年度は、ヒト胚性幹(ES)細胞、ヒト体性幹細胞、マウス-ヒトデータの横断解析から新たなパラダイムの創出を行う。

Research Progress Status

令和元年度が最終年度であるため、記入しない。

Strategy for Future Research Activity

令和元年度が最終年度であるため、記入しない。