新規遺伝子制御ネットワーク推定手法によるネムリユスリカ乾燥耐性機構の解明

使用新型基因调控网络估计方法阐明摇蚊的耐干燥机制

• 批准号: 22KJ2664
• 负责人: 比企 佑介
• 金额: $ 1.41万
• 依托单位: Keio University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ2664/
• 关键词: ネムリユスリカ; 乾燥耐性; 遺伝子制御ネットワーク; ネットワーク推定; 深層学習

昆虫の一種であるネムリユスリカの幼虫は極限的な乾燥耐性を持つ。これまでにネムリユスリカの乾燥耐性に重要な遺伝子群が同定されているが、それらがどのように制御されているのかは未知である。そこで本研究課題では、in vivoで取得された時系列遺伝子発現量データから遺伝子制御ネットワークを正確に推定可能なアルゴリズムを開発し、それを用いてネムリユスリカの乾燥耐性に関与する遺伝子制御ネットワークの同定および解析を行うことでネムリユスリカの乾燥耐性機構を明らかにすることを目的としている。これまでに構築したアルゴリズムは、少数遺伝子から構成されるin vivoデータに対して既存手法の精度を上回った一方で、多数遺伝子から構成されるin vivoデータでは既存手法を下回るという課題が残っていた。そこで令和4年度は、遺伝子数の増大に対する精度低下の軽減に向けて、多変量回帰における変数選択に有効な正則化の導入や回帰学習済みモデルの後処理の改良、モデルの最適なハイパーパラメータ探索を行った後、100を超える遺伝子から構成されるin vivoデータを用いた精度評価を行った。その結果、上記のいずれの改良も精度向上に繋がったものの、既存手法を超えなかった。一方で、上記の改良を行ったアルゴリズムを用い、乾燥時のネムリユスリカ幼虫から取得された時系列遺伝子発現量を入力として遺伝子制御ネットワークを推定したところ、ハブとして推定された転写因子が、多くの遺伝子で共通して示す特徴的な発現変動をよく説明していることが確認された。また、その転写因子はネムリユスリカが固有に持つ遺伝子であり、乾燥耐性に重要な因子である可能性がある。これは既存手法を用いた推定結果では捉えることができなかったものであり、本アルゴリズムはネムリユスリカの乾燥耐性に重要な因子を部分的に推定することができている可能性があることが示された。

The な drying tolerance of a であるネムリユスリカ larva of an insect to the <s:1> limit is を sustained. こ れ ま で に ネ ム リ ユ ス リ カ の dry patience に important な heritage 伝 subgroup が with fixed さ れ て い る が, そ れ ら が ど の よ う に suppression さ れ て い る の か は unknown で あ る. The research topic of this study is で で, in Vivo で obtain さ れ た series but 伝 child 発 now quantity デ ー タ か ら heritage 伝 son suppression ネ ッ ト ワ ー ク を に presumption may correct な ア ル ゴ リ ズ ム を open 発 し, そ れ を with い て ネ ム リ ユ ス リ カ の dry patience に masato and す る heritage 伝 son suppression ネ ッ ト ワ ー ク の with fixed お よ び parsing line を う こ と で ネ ム リ ユ ス リ カ を Ming ら の dry patience institutions Youdaoplaceholder3 にする とを とを purpose と て る る る る. こ れ ま で に build し た ア ル ゴ リ ズ ム は, a few survived 伝 か ら constitute さ れ る in vivo デ ー タ に し seaborne て existing technique の precision を last っ で た party, most have 伝 か ら constitute さ れ る in vivo デ ー タ で は existing technique を next る と い う subject が residual っ て い た. そ こ で make annual は, heritage and 4 伝 son の raised large に す seaborne る precision low の 軽 に reduction to け て, many variations to 帰 に お け る - several sentaku に have sharper な regularization の import や back 帰 learning 済 み モ デ ル の 処 reason の after improvement, モ デ ル の optimum な ハ イ パ ー パ ラ メ ー タ exploration line を っ た, after 100 を え る heritage 伝 son か ら constitute さ れ る in vivoデ タを タを evaluate 価を lines った with the precision of た た. The result of そ そ, the superposition そ ずれ, the improved <s:1> accuracy is raised by に繋がった そ, and the existing technique を exceeds えな った った った. で, written の improved line を っ た ア ル ゴ リ ズ ム を い, dry の ネ ム リ ユ ス リ カ larvae か ら obtain さ れ た series but 伝 child 発 を と into force now quantity し て heritage 伝 son suppression ネ ッ ト ワ ー ク を presumption し た と こ ろ, ハ ブ と し て presumption さ れ た planning write factor が, many く の heritage 伝 child common で し て in す of 徴 な 発 now - move を よ く instructions Youdaoplaceholder0 て る とが とが とが confirm された. ま た, そ の planning write factor は ネ ム リ ユ ス リ カ が inherent に hold つ heritage 伝 son で あ り, dry patience に important factor な で あ る possibility が あ る. こ れ は existing technique を with い た constructive results で は catch え る こ と が で き な か っ た も の で あ り, this ア ル ゴ リ ズ ム は ネ ム リ ユ ス リ カ の dry patience な factor を important part に に presumption す る こ と が で き て い る possibility が あ る こ と が shown さ れ た.

项目成果

深層学習によるin vivoを指向した遺伝子制御ネットワーク推定手法の開発

利用深度学习开发面向体内的基因调控网络估计方法

• 发表时间: 2022
• 作者: Shiori Honda;Ryosuke Tarumi;Yoshihiro Noda;Karin Matsushita;Natsumi Nomiyama; Ryo Ochi;SakikoTsugawa;Hiroyuki Uchida;Shinichiro Nakajima;Masaru Mimura;Shinya Fujii;相樂 悠太;相樂 悠太;比企佑介
• 通讯作者: 比企佑介

ネムリユスリカ乾燥耐性獲得時における無代謝状態遷移機構に関する研究

摇摇蚊获得干燥耐受性过程中非代谢状态转换机制的研究

• 发表时间: 2021
• 作者: Shiori Honda;Ryosuke Tarumi;Yoshihiro Noda;Karin Matsushita;Natsumi Nomiyama; Ryo Ochi;SakikoTsugawa;Hiroyuki Uchida;Shinichiro Nakajima;Masaru Mimura;Shinya Fujii;相樂 悠太;相樂 悠太;比企佑介;比企佑介;比企佑介
• 通讯作者: 比企佑介

深層学習によるin vivoを指向した遺伝子制御ネットワーク推定アルゴリズムの開発

利用深度学习开发面向体内的基因调控网络估计算法

• 发表时间: 2022
• 作者: Shiori Honda;Ryosuke Tarumi;Yoshihiro Noda;Karin Matsushita;Natsumi Nomiyama; Ryo Ochi;SakikoTsugawa;Hiroyuki Uchida;Shinichiro Nakajima;Masaru Mimura;Shinya Fujii;相樂 悠太;相樂 悠太;比企佑介;比企佑介
• 通讯作者: 比企佑介