グラフィカル・モデルに基づく生命情報からの因果・関連性解析

点击翻译按钮获取中文摘要

グラフィカル連鎖モデル(GCM)の数学的枠組み用いてPCアルゴリズムの拡張を行い、GCMによる遺伝子群間のネットワーク構造変化の推定と同様に、より詳細な遺伝子間ネットワーク構造変化の推定が可能にするシステムを構築した。GCM及び拡張PCアルゴリズムを組み合わせることで、マクロとミクロの二つの観点から階層的にネットワーク構造変化を追跡できる。このシステムを肝がん進展過程に関する遺伝子発現データに適用し、肝硬変から肝がんに至る進展における要因遺伝子ネットワーク候補を提案した。先にGCMのみを適用した際に得られる知見に比べ、遺伝子名自体を候補として提案することにより、実験検証への移行が容易になった。さらに、タンパク質相互作用推定法の開発のため、カテゴリーデータを用いた統計的因果推定法を開発した。従来の方法は、変数が多数の際適用不可能であるため大規模ネットワークの推定は計算不能に陥っていた。適用法では、推定法の枠組みはそのままにして前処理において少数変数にまずまとめ、それらを統合する手続きを採用した。GCMによって推定された枠組みをPCアルゴリズムによって細密化するアプローチと逆の方向に推定する。プロトタイプを開発し、ドメインデータや実験計測データを用いて、既知相互作用知識との照応や、従来法との性能比較などを行った。特定研究期間を通して、マイクロアレイなどの大規模計測データから、統計的に分子間相互作用を推定する方法を開発し、未知分子相互作用候補の絞り込みに関して、有用な方法を開発した。今後多方面への適用により、さらに改良を方法の重ねていくと共に利便性向上のためソフトウェア化が必要である。