权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

敵対的生成ネットワークによる自在な発現特異性を有するプロモータ塩基配列の設計

使用生成对抗网络设计具有灵活表达特异性的启动子碱基序列

基本信息

批准号：
22K17992
负责人：
尾崎遼
金额：
$ 2.91万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17992/
关键词：
機械学習プロモーター配列深層生成モデル

项目摘要

ヒトの健常・疾患臓器の研究において特定の細胞型を可視化・分取・追跡・摂動・制御するために、分子・細胞生物学ツールを特異的に発現させるプロモーター配列が必要となる。従来、発現特異性を示す内在性遺伝子(マーカー遺伝子)のプロモーター配列(既存配列)を用いていたが、細胞分類の細分化が進み、単一のマーカー遺伝子が見つけるのが困難になっている。そこで本研究では、マーカー遺伝子に頼らずに、深層学習によって特異的発現プロモーター配列を人工的に設計する手法を開発する。さらに、開発した手法を複数のデータセットに適用し、細胞型特異的な人工プロモーター配列のデータベースを構築する。その中で2022年度は、敵対的生成ネットワークによって生成された塩基配列のうち、一定の範囲の発現特異性を有すると予測された配列を敵対的生成ネットワークの入力配列として戻す機構を備えたアーキテクチャを実装し、その効果を検証した。具体的には、まず、ヒトゲノムにおける特定の転写因子結合配列とバックグラウンド配列の判別器を畳み込みニューラルネットワークにて実装し、その上で敵対的生成ネットワークによって生成された塩基配列の転写因子結合を予測、予測結果に応じて生成配列の一部を敵対的生成ネットワークへの入力として戻すことで、所望の機能を持つと予測される配列を得ることができた。また、複数の種類の細胞型における発現量を予測する回帰器を畳み込みニューラルネットワークにて実装し、同様のアーキテクチャを構築することで、様々なパターンの発現特異性を持つ配列を生成できることをシミュレーションレベルで示すことができた。また、これらの成果を国内学会にて発表した。

In the study of health and disease mechanisms, it is necessary to visualize, isolate, track, control, and identify specific cell types. In addition, it is difficult to distinguish between different types of cell classification and different types of cell classification, such as cell classification, and cell classification. In this study, we developed a method of artificial design for deep learning and special development. In addition, the development method is applicable to a plurality of cell types, and artificial cell types are arranged to construct the cell types. In the year 2022, the production of the corresponding products was carried out, and the specificity of the production of the corresponding products was detected. The production of the corresponding products was carried out, and the results were verified. The specific writing factor combination assignment, the selection, and the matching discriminant are determined according to the specific writing factor combination assignment, the selection, and the matching discriminant. In addition, the matching generation is performed according to the selection, the selection, and the matching generation. The expected function is to be determined and matched. For example, the number of cell types detected by the sensor is estimated, and the number of cells detected by the sensor is estimated. For example, the number of cells detected by the sensor is estimated. For example, the number of cells detected by the sensor is estimated. For example, the number of cells detected by the sensor is estimated. For example, the number of cells detected by the sensor is estimated. The results of the study were published in the Chinese Academy of Sciences.