癌の多様な表現型を司る遺伝子ネットワークを予測するデータ統合型情報解析手法の開発

开发数据集成信息分析方法来预测控制不同癌症表型的基因网络

基本信息

批准号：
10J10037
负责人：
新井田厚司
金额：
$ 1.22万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2010
资助国家：
日本
起止时间：
2010 至 2012
项目状态：
已结题

项目摘要

平成22年度は以下の2つの成果を得た。1)これまでに開発していた教師無し学習遺伝子セット探索法、EEM法を拡張し、BEEM法及びMIEA法を開発した。BEEM法はバイクラスタリング法を用いることにより、与えられた遺伝子セットがサンプルサブグループに特異的に発現上昇、又は発現低下するようなサブセットを含かどうかについて検定する。一方、MIEA法は特異値分解を利用して、与えられた遺伝子セットの発現プロファイルがノンランダムなパターンを持つかどうかを検定する。さらに、様々なシミュレーションデータ及び実際の生物学的実験データを用いたベンチマークテストを行うことにより、EEM,BEEM,MIEAを含む各種教師無し学習遺伝子セット探索法の性能、特性を明らかにした。これらの結果は教師無し学習遺伝子セット探索法の方法論的な礎となるべき研究であり、今後、この結果に基づいて生物学的応用を目指す。2)共同研究者から提供された大腸がんCGHアレイデータ及び発現マイクロアレイデータを用いて大腸がんゲノムにおいて高頻度に増幅しているMyc遺伝子座位のコピー数プロファイル、Myc遺伝子の発現量、EEM法により抽出された発現モジュールの活性ブロファイルが互いに相関することを示した。この結果によりEEM法により抽出されたモジュールの上流にあるドライバー遺伝子をCGHアレイデータから探索出来る可能性が示された。23年度からはこの結果に基づき包括的ドライバー遺伝子探索法の確立を試みる。

在2010财年，我们获得了以下两个结果：1）我们已经扩展了迄今为止已经开发的无监督学习基因搜索方法和EEM方法，并开发了Beem方法和MIEA方法。 BEEM方法使用双簇方法测试给定的一组基因是否包含在样品亚组中明确增加或减少表达的子集。另一方面，MIEA方法利用单一重视分解来测试给定基因的表达曲线是否具有非随机模式。此外，通过使用各种模拟数据和实际生物实验数据进行基准测试，阐明了包括EEM，BEEM和MIEA在内的各种无监督学习基因搜索方法的性能和特征。这些结果是该研究应该是无监督学习基因集搜索方法的方法论基础，将来我们旨在根据这些结果开发生物应用。 2）使用合作者提供的CGH阵列数据和表达微阵列数据，我们表明，Myc基因基因座的拷贝数谱图经常在结肠癌基因组中被放大，MYC基因的表达水平以及由EEM方法提取的表达模块的活性固定物相关。该结果表明，可以从CGH阵列数据中搜索通过EEM方法提取的模块上游的驱动基因的可能性。从2011财年开始，我们将尝试根据这些结果建立一种全面的驱动基因搜索方法。