2022 Fiscal Year Research-status Report
Construction of state transition model based on energy landscape
| Project/Area Number |
21K19813
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
中岡 慎治 北海道大学, 先端生命科学研究院, 准教授 (30512040)
|
|---|
| Project Period (FY) |
2021-07-09 – 2024-03-31
|
| Keywords | エネルギーランドスケープ解析 / データ駆動型数理モデル / 発症ロードマップ / オミクスデータ / 擬似時間再構成法 |
|---|
| Outline of Annual Research Achievements |
本年度はエネルギー地形に基づく状態遷移過程を推定することで、状態遷移過程モデルから発症や細胞分化の進行を推定する手法の開発に取り組んだ。また、ウイルスダイナミクス、発ガン、マイクロバイオームをはじめとする様々な発症過程進行を表すデータに適用可能な新規機械学習手法の開発、ならびに情報・数理解析を実施した。その結果、査読付研究論文を4編発表した。
研究論文 [1] では、ヒト免疫不全ウイルス（HIV-1）の2つのタイプを分類し、サイトカインであるIFN-gammaがHIV-1の細胞間感染を抑制することを発見した。また数理解析や理論考察を行うことで、HIV-1が異なる宿主環境に適応するために異なる戦略を選択する可能性について考察した。研究論文 [2] では、進化生物学の着想を取り入れた学習アルゴリズム NEAT-HD と呼ばれる手法を提案した。NEAT-HD は、遺伝的類似性に基づく親選択に焦点をあてて集団の多様性を維持することで、アルゴリズムの性能を低下させることがある環境変動に対して頑強であることを示した。研究論文 [3] では、超音波内視鏡ガイド下細針吸引で得られた最小限の組織からマイクロバイオームデータ (16S rRNA シークエンシングデータ) を取得し、細菌の多様性と組成を計算した。その結果、膵臓がん組織は、胃や十二指腸組織と比較してα多様性が低く、細菌組成も大きく異なることが示された。研究論文 [4] では、発ガン過程を記述した力学系モデルの推定パラメータを用いることで、異なるニロチニブ反応性を持つBCR-ABL1チロシンキナーゼに起因する骨髄増殖性疾患(慢性骨髄性白血病)患者の分類手法を提案した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
エネルギー地形上で細胞分化や発症の動的な遷移の軌跡を推定するため、本年度はデータからイベント (細胞分化や発症) 発生と状態遷移の起こりやすさを計算して状態遷移過程を推定し、状態遷移過程モデルから発症や細胞分化の進行を推定する手法の開発に取り組んだ。エネルギーの数学的表現がイベントの発生する確率を表現する定式化にも使えることから、細胞分化の途中で発生する重要なイベントを抽出し、重要な因子と生物学的なイベントを結びつける方法の開発に着手した。具体的には、加齢に伴う遺伝子発現変化を表す single-cell RNA-seq データを用いて、加齢に伴って変化する遺伝子をイベント発生に関わる分子マーカーとし、イベント発生確率を計算できるような方法論の構築を進めた。
また、ウイルスダイナミクス、発ガン、マイクロバイオームをはじめとする様々な発症過程進行を表すデータに適用可能な新規機械学習手法の開発、ならびに情報・数理解析を実施した。その結果、今年度は査読付論文が４編発表されている。
以上の理由により、本研究は当初の計画以上に進展していると判断できる。
|
| Strategy for Future Research Activity |
次年度では、エネルギー地形構築時に入力として利用するデータにおいて、機械学習手法などを組み合わせることによって入力データに対する制限を緩和し、包括的に入力データをエネルギー地形解析に加えることができる可能性をより深く追求する。また、細胞レベルのデータに、たとえば発ガンの進行状況（ステージ）に関する臨床項目データを加えることで、イベント (細胞分化や発症) 発生と状態遷移の起こりやすさを推定する手法の改善をすすめる。
|
| Causes of Carryover |
当該年度では、エネルギー地形に基づく状態遷移過程を推定可能な数理解析手法を複数種類のデータに対して検討することで、発症や細胞分化の進行を推定できる有効な方法論の検討を進めてきた。エネルギー地形構築時に入力として利用するデータにおいて、当初予定した入力に対して機械学習手法を適用することで、より包括的に入力データの情報を解析に加えることができるという予備的な結果を得た。この改善手法をより詳しく検討するため、当初計画していた使用計画を変更し、物品費、旅費ならびに人件費・謝金を次年度使用と統合して計画する必要が生じた。
|
