マウスの個体異常を高精度に検出可能なワークフローの開発

点击翻译按钮获取中文摘要

本研究の目的は、国際マウス表現型解析コンソーシアム（IMPC）の網羅的な臨床表現形質データに対して、個体単位で多項目の形質に注目することにより、マウス個体の異常を高精度に検出可能な方法論を開発することである。本研究は3ヶ年での終了を予定しており、具体的には、2021年度では、解析用のデータセット作成作業を行い、2022年度にマウスの表現形質異常を高精度に検出する新しい手法を開発し、2023年度にこの手法を基にした「ユーザーが指定した表現形質異常を持つマウスを個体レベルで提示可能なアプリケーション」を開発する。上述した研究計画をもとに、2022年度では、前年度に作成したモデル構築用データセットを用いて、マウスの表現形質異常を高精度に検出する新しい手法を、基準範囲（reference range）をベースにした手法（個々のマウスに対して、「各測定項目の値が平均値等の代表値からどれほど離れているか」をもとに「異常」の範囲を定義することにより、個々の値が異常か否かを判定するアプローチ）、教師なしの機械学習の手法（完全にデータドリブン（目的変数なし）で、マウス個体をその多項目の表現型発現プロファイルを基に分類するアプローチ）、教師ありの機械学習の手法（例えば、目的変数を雌雄別（F or M）かつ実験区別（対照群:Cont と 変異群:Exp）の4種類のカテゴリ（F_Cont 、F_Exp、M_Cont、M_Exp）に分類し、これらを、個々のマウスの表現型発現プロファイルを基に、精度良く分類可能な条件を検討するアプローチ）で検討した。結果として、「基準範囲をベースにした手法」と「教師なしの機械学習の手法（具体的には、教師なしランダムフォレストによる全個体間の関係性データのUMAP及びPHATEによる可視化）」を組み合わせた、マウス個体の異常を高精度に予測可能なワークフローを開発した。