深層学習を用いた形質推定アルゴリズムの開発と有用品種のデザイン

利用深度学习开发性状估计算法和有用品种的设计

基本信息

批准号：
20J20016
负责人：
松谷太郎
金额：
$ 1.6万
依托单位：
Waseda University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-24 至 2023-03-31
项目状态：
已结题

项目摘要

本年度は前年度に引き続き、腫瘍の不均一性を推定するためのツールの開発に取り組んだ。一般的に腫瘍には保持する変異の異なる細胞集団が複数含まれており、この現象は腫瘍内不均一性と呼ばれる。腫瘍に含まれる亜集団の構成の特定、すなわち腫瘍の進化史を推定することは、治療戦略を決める一助となるため重要な課題である。近年、単細胞シーケンシング技術の発展により、腫瘍の系統進化を確率的にモデリングする手法がいくつか提案されているが、そのいずれもがdepthの低さなどの単細胞シーケンシング技術特有の課題に悩まされている。前年度では、バルクで取得したシーケンスデータから腫瘍内不均一性を推定するツールの開発に取り組んだが、今年度では、変異シグネチャーと呼ばれる概念を利用して、単細胞シーケンシングデータからコールされた変異情報を元に、高精度に腫瘍の系統進化史を推定するツールの開発に従事した。細胞に変異（今回は一塩基置換のみに注目する）を引き起こす原因である変異プロセスは、それぞれがSNVの種類や隣接塩基に依存する変異タイプに関して特有の変異パターンを持つことが知られており、それを確率分布として表現したものを変異シグネチャーと呼ぶ。個人のゲノムに含まれる変異は複数の変異シグネチャーの作用の結果であり、特に同時期に獲得した変異集団は似通った変異シグネチャーの構成によって表現されるはずである。このように細胞集団間の変異シグネチャー強度の推移を確率的にモデリングし、変異シグネチャーの情報を補助的に利用することで腫瘍の系統進化を高精度に推定可能なツールの開発を行った。本成果は、IIBMP2022にて研究発表を行なっている。また、私がこれまで取り組んできたがんゲノムの変異シグネチャーを教師なし学習を用いて推定する一般論についてレビュー論文を執筆し、JSBi Bioinformatics Review誌で公開した。

今年，继去年之后，我们致力于开发估计肿瘤异质性的工具。肿瘤通常包含多个携带不同突变的细胞群，这种现象称为瘤内异质性。识别肿瘤中包含的亚群的组成，即估计肿瘤的进化历史，是一个重要的问题，因为它有助于确定治疗策略。近年来，随着单细胞测序技术的发展，提出了多种肿瘤谱系进化概率建模方法，但它们都存在单细胞测序技术特有的问题，例如深度较低。去年，我们致力于开发一种工具，用于根据大量获得的序列数据来估计肿瘤内异质性，但今年我们将使用称为突变特征的概念来开发基于单细胞测序数据的突变信息。期间，我从事开发一种高精度估计肿瘤系统发育进化历史的工具。众所周知，导致细胞突变的突变过程（这次我们将只关注单核苷酸取代）对于依赖于相邻碱基的SNV类型和突变类型具有独特的突变模式。概率分布称为突变签名。个体基因组中包含的变异是多个突变特征作用的结果，特别是同时获得的突变簇应该由突变特征的相似组成来表示。通过这种方式，我们开发了一种工具，可以通过对细胞群之间突变特征强度的转变进行概率建模并补充突变特征信息来高精度估计肿瘤谱系进化。该结果将在 IIBMP2022 上公布。我还写了一篇关于使用无监督学习估计癌症基因组突变特征的一般理论的综述论文，并将其发表在 JSBi Bioinformatics Review 上。