Mathematical analysis and applications in the 3D genome

3D基因组中的数学分析和应用

• 批准号: 21H03544
• 负责人: 丸山 修
• 金额: $ 10.98万
• 依托单位: Kyushu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H03544/
• 关键词: Hi-Cデータ; 3Dゲノム; 立体構造; ニューラルネットワーク; コンタクトマップ; エンハンサー; プロモーター; Hi-C; 立体構造情報; ゲノム; 相互作用; 二値分類; メチル化; 立体構造言語; 解像度

本研究の目的は生物実験で得られるゲノムの断片的立体構造情報を有効活用する情報科学的手法の研究である．近年Hi-C法の実験により部分的であるがゲノムの立体構造情報が得られるようになり，このデータからどれほどの情報を抽出できるかが急務の課題となっている．エンハンサー・プロモーター間相互作用は，ゲノムの3D構造を活用したメカニズムであり，遺伝子発現プロセスを解明する上で重要なプロセスである．このような中，申請研究の課題の一つであるエンハンサー・プロモーター間相互作用予測問題の予測精度の改善に取り組んでいる．エンハンサー・プロモーター間相互作用予測問題とは，エンハンサーとプロモーターの組が与えられたとき，これらが相互作用するか否かを判定する二値分類問題である．様々な予測手法が提案されているが，それらの多く（例えば，TargetFinderやEP2vecなど）で使用されている学習用データを染色体単位で分割した交差検証では学習が全くうまく行かないことが報告されている．その原因は，エンハンサーとプロモーターのランダムな組み合わせによる負例の生成方法であり，結果として，個々のエンハンサーやプロモーターの正負例集合におけるアンバランスな使用回数の原因となっている．本研究では，エンハンサー・プロモーター間相互作用予測問題に対する新しい負例生成手法を提案している．最大フロー問題を解くアルゴリズムに還元することにより，与えられた正例集合に対して，各エンハンサーと各プロモーターの正負例集合における使用回数が同程度である負例集合の生成手法を確立し，既存予測手法の予測精度が向上することを確認している（現在論文執筆中）．また，申請研究の別の課題であるHi-Cデータから得られるゲノム領域間の近接情報を表すコンタクトマップの解像度を高める機械学習手法の開発にも取り組んだ．

The purpose of this study is to obtain information about the three-dimensional structure of biological fragments and to make use of information science methods. In recent years, the Hi-C method has been used to extract the information of the three-dimensional structure. The interaction between them is very important for the development of 3D structures. In this paper, we apply for a research project to improve the prediction accuracy of the interaction between the two groups. The interaction prediction problem between the two groups is a two-dimensional classification problem. For example, TargetFinder and EP2 vec are used in learning. For chromosome units, segmentation is used in cross-examination. For learning, all lines are reported. The reason for this is the method of generating negative examples, and the result is that the negative examples of negative examples. In this study, we propose a new method to generate negative examples for the prediction of interactions between different species. The maximum case problem is solved in the same way as the negative case set, and the prediction accuracy of the existing prediction method is confirmed (now in writing). For further research, please refer to the following topics: Hi-C data acquisition, proximity information between fields, presentation, resolution, development of mechanical learning techniques, etc.