Development of innovative AI methods for predicting therapeutic targets for intractable diseases from medical big data

点击翻译按钮获取中文摘要

近年の医薬品開発は非常に困難な状況にある。また創薬ターゲットの枯渇が深刻化しており、近年の創薬の低迷の一因となっている。既存の研究手法では限界があるため、ビッグデータや人工知能（AI）技術の有効活用が切望されている。本研究では、医療データやオミックスデータを解析し、創薬ターゲットを予測する人工知能（AI）の基盤となる機械学習手法の研究開発を行う。潰瘍性大腸炎、クローン病などに関する患者の遺伝子発現情報、病因遺伝子、配列変異、環境因子、診断マーカー、治療標的、異常パスウェイなどの分子機序データを、OMIM, KEGG, GEOなどのデータベースや文献から整備した。疾患-タンパク質の関係性の情報を収集して、情報解析できる電子データの形に整備し、そのプロトタイプをデータベース化した。公開できるように整備を進めている。タンパク質をコードする遺伝子に摂動を加えた時のヒト細胞の遺伝子発現プロファイルを解析し、疾患の新しい創薬ターゲット分子を予測する方法を検討し、従来手法よりも性能が高いことを確認した。提案手法は、ドラッグリポジショニングの概念を拡張し、ターゲットリポジショニングの実現を可能にした。提案するターゲットリポジショニングのアルゴリズムやその解析結果を論文にまとめ、バイオインフォマティクス分野のトップジャーナルであるBioinformatics誌に受理され、出版した。さらに、バルクレベルだけでなくシングルセルレベルの遺伝子発現プロファイルの解析手法やChIP-seqなどのエピジェネティクスデータの解析手法を開発した。