2023 Fiscal Year Research-status Report
Development of cell lineage inference method from cell atlas based on information criteria
| Project/Area Number |
21K19827
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
松田 秀雄 大阪大学, 大学院情報科学研究科, 教授 (50183950)
|
|---|
| Project Period (FY) |
2021-07-09 – 2025-03-31
|
| Keywords | RNAシーケンシングデータ解析 / 遺伝子発現プロファイル解析 / 細胞系譜推定 / 融合遺伝子検出 / バイオインフォマティクス |
|---|
| Outline of Annual Research Achievements |
本研究では、多様な細胞集団に対して1細胞RNAシーケンシングをすることで得られる遺伝子発現データを基に、細胞集団の持つ多様性と連続的な状態遷移過程についての知見を得ることを目的としている。
具体的には、刺激応答等に対する細胞内の遺伝子発現プロファイルの比較や、二光子励起顕微鏡で観察した細胞動態の変化などの情報を利用して、細胞の状態遷移過程を推定する手法の開発を実施している。実際に、がん由来の培養細胞株から取得したRNAシーケンシングデータから複数の遺伝子が融合した融合遺伝子配列の検出手法を開発した。この手法では、融合遺伝子の候補を選ぶのに、参照RNA配列とのアライメントと参照ゲノム配列とのアライメントのいずれにおいても遺伝子の融合が確認されたもののみに絞っており、既存の手法と比べて偽陽性（融合遺伝子ではないRNA配列を誤って融合遺伝子と検出したもの）が少ないことが特徴である。
また、マウス胚性幹細胞（ES細胞）に対して分化誘導をかけたときの１細胞RNAシーケンシングデータに対して細胞系譜を推定し、細胞系譜に沿って細胞を整列させた遺伝子発現プロファイルを、疑似的な時系列発現プロファイルとみなして、深層学習により遺伝子制御ネットワークを推定する手法を開発した。開発した手法では、データベースに登録された既知の遺伝子制御関係を、既存の手法と比べてより正確に検出できることが示された。この手法を使って、複数の細胞種に分化する細胞集団に対して、それぞれの細胞分化の系譜ごとに分化を制御している遺伝子制御ネットワークを推定することで、細胞の状態遷移を制御しているメカニズムについての知見を得ることが期待される。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
開発した融合遺伝子検出手法を、シミュレータにより生成された疑似的な融合遺伝子配列データに対して適用した結果、既存の手法よりも正確に融合位置（2種類の遺伝子配列が融合してできる配列において、一方の遺伝子配列から他方の遺伝子配列に切り替わっている位置）を検出できることを示した。また、乳がん由来の3種類の培養細胞株からRNAシーケンシングにより取得した転写遺伝子配列データに対して本手法を適用したところ、リアルタイムPCRなどで検出されている既知の融合遺伝子のうち、既存手法では検出できなかった融合遺伝子を検出することができた。さらに、複数の種類の培養細胞株で共通して検出されたことから新規の融合遺伝子の可能性が高い候補遺伝子を提示することができた。
さらに、研究協力者である、奈良県立医大 堀江教授のグループから、マウス胚性幹細胞（ES細胞）に分化誘導をかけたときの1細胞RNAシーケンスデータから推定した複数の細胞系譜について、細胞系譜ごとに遺伝子制御ネットワークを推定した。その結果、細胞系譜を考慮せずに遺伝子制御ネットワークを推定した結果に比べて、特に神経細胞への細胞分化において、既知の制御関係を既存の手法よりも正確に推定できることを示した。
以上のことから、本研究はおおむね順調に進捗していると考えられる。
|
| Strategy for Future Research Activity |
細胞系譜および遺伝子制御ネットワークの推定手法の中核部分である深層学習に基づく機械学習手法の改良を引き続き進めていく。現在は1細胞RNAシーケンシングにより得られた遺伝子発現データのみから遺伝子制御ネットワークを推定しているが、研究協力者からは、マウスES細胞のオープンクロマチン領域、すなわちヌクレオソームのない領域の分布を網羅的に解析した1細胞ATACシーケンシングのデータの提供を受けており、このデータと1細胞RNAシーケンシングのデータを組み合わせることで、細胞分化の過程での遺伝子制御の変化を動的に解析する手法の開発を目指す。
深層学習に基づく機械学習手法は大きな進展をしており、近年進展が著しいTransformerに基づくモデルの開発を進める。
以上の推定手法を、細胞集団の状態遷移過程での1細胞RNAシーケンシングおよび1細胞ATACシーケンシングのデータに適用することで、細胞集団ごとの状態の多様性や、状態遷移過程で機能する遺伝子制御のメカニズムについての知見を得ることを目指す。
|
| Causes of Carryover |
本研究で目指す細胞集団ごとの状態の多様性の検出や、細胞分化に伴う動的な状態遷移過程で機能する遺伝子制御の推定では、1細胞RNAシーケンシングのデータだけでなく、1細胞ATACシーケンシングのデータを組み合わせることが有効であることが示唆され、新たに1細胞ATACシーケンシングのデータを取得したが、これらのデータを統合して解析する手法の開発に時間を要したため、今年度に予定していた研究開発の一部を次年度に実施するように研究計画を修正した。このため、今年度に予定していた研究成果発表の一部が次年度に繰り越しとなり、次年度の使用額が生じた。
一方で、研究協力者から提供を受けたマウスES細胞の変異体に分化誘導をかけたときの１細胞RNAシーケンシングデータを解析した結果、神経細胞以外のこれまでに想定していなかった組織への分化系譜が示唆され、本研究での推定手法の開発に対する重要な手掛かりとなった。
以上のことから、手法の開発では当初想定されていなかった進展があったため、研究計画を修正する必要が生じ、次年度で実施する研究計画およびそのための研究経費が必要となった。
|
Research Products
(3 results)
