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

説明可能AIによる１細胞計測大規模ネットワークデータからの知識発見技術の開発

使用可解释的人工智能从单细胞测量大规模网络数据开发知识发现技术

基本信息

批准号：
22H03692
负责人：
山口類
金额：
$ 11.15万
依托单位：
Aichi Cancer Center Research Institute
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
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

项目摘要

計測技術の進展により、多種の情報を多様なコンテキストに沿って単一細胞レベルで得られるようになってきた。これらの一細胞計測情報からコンテキストを反映して変化する生体ネットワーク構造の持つ意味を抽出できれば、分化、薬剤感受性等、様々な細胞機能および性質のシステム的理解が進むことが期待される。しかしながら、特に細胞集団が置かれているコンテキストを反映して変化する一細胞ネットワーク推定技術は未開発である。さらに、それらの高次元関係性データから人間が解釈可能な情報を抽出することには、大きな障壁が存在する。本研究の目的は、コンテキストに沿って変化する単一細胞レベルのネットワーク群の推定技術を開発するとともに、大規模ネットワーク群から解釈可能な有用情報を抽出する説明可能AI技術を開発し適用することで、ネットワーク構造の変化の意味を説明しうる深い知識の発見を目指すことである。今年度は、まず、大規模ネットワーク群から知識抽出を図る説明可能AI技術の開発を進めた。特に我々が提案した説明可能AI技術であるTRIP法の理論的側面の考察を進め、新たな情報抽出モデルの構成法と推定法の開発を以下のように進めた。あるコンテキストに沿って変化する、多数の要素間の因果関係を表すネットワーク群が大量に得られる状況において、人間が理解可能な情報を抽出することは容易ではない。ここでは、それらの高次元ネットワーク群を生成するモデルとして、低次元の隠れ変数間の因果ネットワークに基づく生成モデルを提案し、またそのパラメータの推定法を開発した。また上記の方法に加え、多数のネットワーク群からの情報抽出法として、ネットワーク群データを用いた判別モデルおよび予測モデルの開発を進めた。さらに単一細胞計測時系列データからネットワーク推定を行い、そこからの情報抽出法の開発を進めた。

The progress of measurement technology, a variety of information, a variety of information, along with a single cell, a single cell. This information reflects the evolution of biological structure, meaning extraction, differentiation, organ sensitivity, etc., and advances understanding of cellular functions and properties. The technology of cell population estimation has not yet been developed. There is a high dimensional relationship between human beings and possible information extraction. The purpose of this study is to develop and extract potentially useful information about AI technology along the development and application of a single cell population in large-scale population development. This year's rapid, large-scale development of AI technology indicates that AI technology development is possible. In particular, I propose to explain the possible AI technology, the theoretical basis of TRIP method, the new information extraction method and the development of estimation method. The causal relationship between most of the elements is easy to extract from a large number of situations. The method of estimation of high and low dimensional cause-and-effect generation is developed. The information extraction method of the above-mentioned method is used to determine whether the information is accurate or not. The development of the method of extracting information from a single cell measurement time series is progressing.