知識情報処理手法を用いたDNAチップからの遺伝子ネットワーク解析

使用知识信息处理方法对 DNA 芯片进行基因网络分析

基本信息

批准号：
12208023
负责人：
花井泰三
金额：
--
依托单位：
Nagoya University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas (C)
财政年份：
2000
资助国家：
日本
起止时间：
2000 至 2001
项目状态：
已结题

项目摘要

本年度の研究計画に基づいて以下のような研究実績をあげました。(1)DNAチップによる肺ガン細胞の遺伝子発現データの採取肺ガン細胞に対してサイトカインの一種であるTGF-βを添加し、全RNAを抽出し遺伝子発現のパターンの変化をDNAマクロアレイで収集することに成功した。現在、解析中である。これとは別に、ガン患者の予後と個人データの関係を人工ニューラルネットワークを用いて解析した。PIMによる入力項目の選択を行ったところ、14項目のうち、患者の年齢、Brickmanlndex(喫煙習慣)、腫瘍の大きさ、浸潤性、p53遺伝子の変異が重要な項目として選択され、5年生存率を80%以上の推定精度で推定できることがわかった。この推定精度をさらに上げ、薬剤の作用機作も明らかにするため、DNAチップの研究と関連づける必要がある。(2)適応共鳴理論(ART)による遺伝子のクラスタリング(分類)スタンフォード大学でとられて情報公開されている酵母の胞子形成に関する経時的遺伝子発現データを用いて、適応共鳴理論(ART)によるクラスタリングを行った。ARTは教師信号なし学習によってクラスタリングを行うアルゴリズムであり、学習による自動的に新しいクラスターを作製する。胞子形成時に発現する45個の遺伝子に注目し、ARTで解析した結果、発現時期に応じて5つのクラスターに分けられることがわかった。また、発現メカニズムからEarly,Middle,Middle-Late,Lateとして分けられる遺伝子が、それぞれ同じクラスターを形成することがわかり、それら遺伝子の識別率は90%以上に達することがわかった。従来から行われている統計的手法である階層型クラスター分析も同じクラスター数で解析したが、分類された遺伝子はこれまでの知識と異なっており、識別率は70%程度であった。これらの結果、遺伝子のクラスタリングに関して本手法が有効であることがわかった。

根据今年的研究计划，我们取得了以下研究成果。 (1)使用DNA芯片收集肺癌细胞的基因表达数据向肺癌细胞添加细胞因子TGF-β，提取总RNA，并使用DNA宏阵列收集基因表达模式的变化。所以。目前正在分析中。另外，我们使用人工神经网络来分析癌症患者的预后与个人数据之间的关系。当使用PIM选择输入项目时，在14个项目中，选择患者年龄、Brickman指数（吸烟习惯）、肿瘤大小、侵袭性和p53基因突变作为重要项目，并且发现5年生存率能够估计准确率超过80%。为了进一步提高这种估计的准确性并阐明药物的作用机制，有必要将其与DNA芯片的研究联系起来。 (2)使用自适应共振理论(ART)进行基因聚类(分类) 使用在斯坦福大学收集并公开发表的关于酵母孢子形成的时程基因表达数据，使用自适应共振理论(ART)进行聚类。 ART是一种在没有监督信号的情况下通过学习进行聚类的算法，并通过学习自动创建新的聚类。我们关注孢子形成过程中表达的 45 个基因，使用 ART 对其进行分析，发现它们可以根据表达时间分为 5 个簇。还发现根据表达机制分为早期、中期、中晚期和晚期的基因形成同一簇，这些基因的识别率达到90%以上。传统的统计方法层次聚类分析也使用相同数量的聚类进行分析，但分类的基因与之前的知识不同，识别率在70%左右。这些结果表明该方法对于基因聚类是有效的。