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

生体内分子ネットワークに基づく大規模がんゲノムデータ解析の方法論の研究

基于体内分子网络的大规模癌症基因组数据分析方法研究

基本信息

批准号：
10F00364
负责人：
井元清哉
金额：
$ 1.34万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2010
资助国家：
日本
起止时间：
2010 至 2012
项目状态：
已结题

项目摘要

本年度の研究成果を以下にまとめる。昨年度に引き続き、高次元データからの情報抽出手法としてサブセットマイングと次元圧縮の両面からのアプローチについて研究内容を深めた。マイクロアレイによって計測される遺伝子発現データは、2万以上の遺伝子について生成されるRNAの量が計測される。また、次世代シークエンサーを用いたRNA-seqでは、転写産物ほとんど全て計測できるため、その種類は桁が一つ増える。従って、がんの分類やがんの鍵となっている遺伝子の絞り込みにおいては、この超高次元データからの情報抽出手法の改良が本質的となる。この問題に対して、昨年度開発したNull Spaceを用いた新しい方法について、その性能についてより詳細なデータを取り、更なる改良に向けて研究を進めた。また、主成分分析は、次元圧縮の有効な統計手法であるが、超高次元データに対しては、その計算量も問題となる。主成分分析を超高次元データに適用可能とするため、時間計算量の削減を目的にQR分解を利用した新しい主成分分析を行うアルゴリズムを提案し、論文としてまとめた。がんゲノムの解析については、次世代シークエンサーを利用することによりがんが起きる原因の可能性のある変異が同定できる。しかしながら、実際に変異同定を行うとがん細胞に蓄積した数千の体細胞変異が見つかり、どの変異がドライバーなのかを判断することは困難である。この問題について、タンパクを構成するペプチド鎖の折りたたみを予測する方法を開発し、タンパクの構造について影響力の大きいゲノム変異を同定する問題として定式化した。この新しく開発したベプチド鎖の折りたたみを予測する手法については、現在論文としてまとめ投稿中である。

The following are the results of this year's research. Last year, there was an introduction to the study of the content of the study in the first place of the year. This is the first time you need to know that more than 20,000 people are required to generate RNAs in the first place. For the next generation, we will use the whole system of RNA-seq, writing, and so on. The information is divided into different categories, the information is divided into different categories, the information is divided into different categories, the information is divided into different categories, the information is divided into different categories, the information is divided into different categories, the information is divided into different categories, the information is divided into different categories, the information is divided into different categories, the information is divided into different categories, the information is divided into different categories. Since the beginning of last year, Null Space has adopted new methods to improve performance, and improve research progress. There are statistical methods for statistical analysis, super-high-dimensional statistics, and calculation problems in terms of principal component analysis, principal component analysis, and multivariate analysis. Principal component analysis (PCA) is used in the analysis of ultra-high-dimensional data. It is possible to calculate the amount of time. The purpose of QR analysis is to use the new PCA to analyze proposals and documents. The reason for the possibility of the cause is the same as that of the next generation. In the same way, you can tell me that there are thousands of cells in your body, and that you don't know how to make a decision. If you have a problem, you will have a problem. If you want to do so, you will have a problem. If you want to do so, you will have an impact on the problem. The new information is not available, but it is now in the context of submission.