深層学習による人工エピゲノム操作因子におけるゲノム干渉効果の評価及び予測

点击翻译按钮获取中文摘要

本研究では配列特異的にDNA副溝に結合できる化合物であるピロールイミダゾールポリアミド(PIP)の複合体によるしエピゲノムの変動操作を目的とし、深層学習法によるトランスクリプトミクス情報、ヒストン修飾・CpGアイランドなどのエピゲノム情報や結合情報を用いたPIPのオフターゲット効果及び副作用の解明、 ゲノム干渉効果の同定や分析手法の構築し、最終的にPIPに特徴的な配列特異性によるピンポイントなエピゲノム干渉効果誘導の最適化を検討する。今年度は、2014年に報告したPIP-SAHAの発現プロファイリングデータに基づいて、認識 DNA配列とクロマチン情報等の既存情報を加えて、結合モチーフより理論的結合サイトを計算し、初期のPIP-SAHA結合モチーフによる発現量のCNNに基づいた予測 モデルを構想してエピゲノムへの制御を同定した。NVIDIA社のAmpere世代のGPUを用いたCUDA言語でのプロトタイプアルゴリズムを確立し、2021年度より精度が高い発現量の予測モデルを作成し、PIP-SAHAの結合によるHDACへの阻害の原因を明らかにすることを行なっている。また、PIP-SAHAがエピゲノム干渉に及ぼす影響は他のヒストン修飾とのクロストークが原因である仮説を確立し、標的遺伝子の一つである「TGM2」と呼ばれる酵素に関わる知見をハーバード大学の共同研究者との論文がCancers誌に掲載され、只今もう１報は投稿する予定である。