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

Integrated Multi-Omics Analysis Methodology with Image Transformation and Deep Learning for Pathophysiology and Drug Response Mechanisms

将多组学分析方法与图像转换和深度学习相结合，用于病理生理学和药物反应机制

基本信息

批准号：
20H03240
负责人：
角田達彦
金额：
$ 11.07万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-20H03240/
关键词：
深層学習マルチオミクス画像変換ゲノミクス治療予測

项目摘要

本研究は、オミクスデータを画像に変換し深層学習に用いる申請者の手法に基づき、マルチオミクス統合解析と画像認識を応用した手法を開発し、実データ解析により、薬剤応答予測などの精度が上がるか、背後にあるオミクスの特徴や構造の抽出が可能か、また薬剤応答予測に必要な方法論は何かを解明することを目的とする。2022年度は、これまでの研究の画像変換によるマルチオミクス解析手法とオミクスからの特徴の抽出・解釈の手法をさらに統合し発展させ、公共データによりその精度を評価した。まず、開発中のデータの画像変換と深層学習によるマルチオミクス解析手法を薬剤応答予測の課題に適用した。マルチオミクスは遺伝子発現、遺伝子変異、コピー数変化とし、申請者のDeepInsight（Scientific Reports 2019）による画像データへの変換をもとに、マルチオミクスごとに画像へ変換してから深層学習で統合するDeepInsight-3D法を開発した。学習にはGDSC/CCLEの細胞株の薬剤応答データを、評価ではTCGAとPDXを用い、従来のMOLI手法などとの比較を行ったところ、7%以上の精度の向上が認められた。次に、申請者が開発したオミクスデータからの深層学習による特徴抽出手法とそれを解釈する手法（DeepFeature）を上記のデータに適用し、薬剤ごとに応答・非応答を左右するメカニズムや予後を規定するメカニズムを解明した。これらの結果を論文としてまとめ、出版した（Scientific Reports 2023）。さらに、実データによる評価のため、独自の肉腫、腎がん、肺がんのマルチオミクスデータ、薬剤奏効（RECIST）、OS、RFS、PFSを整備した。解析の一環として、神経膠腫と眼腫瘍の予後の免疫学的に不可解な現象の原因をオミクスと組織学的検討により探究した（BMC Genomics 2022）。

This study focuses on the application of deep learning in the application of the applicant's method, basic analysis, integrated analysis and image recognition, the development of the method, the analysis, the prediction accuracy, the extraction possibility of the characteristics and structures of the background, the necessary method for the prediction, and the purpose. In 2022, the accuracy of the analysis method of the image transformation and the extraction and solution method of the characteristics of the image transformation and the public image transformation were evaluated. The application of image transformation and deep learning in development and analysis methods to the problem of response prediction Deep Insight-3D method development for deep learning integration, deep insight (Scientific Reports 2019) Study on the cell lines of GDSC/CCLE and compare them with TCGA and PDX, and compare them with MOLI methods with accuracy of more than 7%. Next, the applicant shall open the application of the feature extraction method and the solution method (DeepFeature) recorded above, and the application of the feature extraction method and the solution method shall be specified. The results were published (Scientific Reports 2023). In addition, the evaluation of the disease, individual swelling, kidney disease, lung disease, RECIST, OS, RFS, PFS, etc. To analyze the causes of this phenomenon and to investigate its histological origin (BMC Genomics 2022).