予防・個別化医療のためのビッグデータ・予測解析

点击翻译按钮获取中文摘要

[1] 創薬と毒性：アンチセンスベースの治療法に関する研究を行った。アンチセンスオリゴヌクレオチドのオフターゲット効果を評価し、肝毒性の程度との関係を解析し、アンチセンス薬剤設計およびパイプライン開発の上、ASO-RNA相互作用機序に関する研究を行った。[2] アプタマーデータベース： ETH Zurichとの共同研究により、アプタマー関連情報の構造データベースを作成するため、公共データからアプタマーの特性情報を収集した。[3] 新規ゲノム解析ソリューション：癌患者コホートからのトランスクリプトームとメチロームデータによって、疾患のサブタイプを見いだす研究を行った。続き、マルチオミックスのデータセットから薬物応答などを予測するための研究を行った。[4] DREAMチャレンジ：がん治療と疾患ネットワークの2課題に参加した。一つ目は治療耐性で、我々は回帰モデルと確率論に基づき、がんに最も関連する遺伝子の変異情報、単剤療法応答データ、薬物標的のネットワーク特性を組み合わせた。二つ目は、最先端のネットワーク方法を用いて疾患関連の遺伝子モジュールを発見することで、異なるオミックス階層を個別に用いて疾患クラスターを予測する小課題と、複数のネットワークを使用してクラスターを予測する小課題を行った。[5] 肺腺がんの化学療法反応：この研究では、実際の治療に先立ち肺癌患者がプラチナベースの化学療法薬に陽性反応するかを予測するモデルの構築に焦点を当てた。統計的フィルタリングと次元削減の組み合わせ、ビトロの薬物スクリーニングデータ、準教師つきアルゴリズム、クラスタリングから得られた情報を組み合わせ、化学療法の結果を高精度かつ正確に予測する研究を行った。