2018年4月 - 2021年3月
遺伝子ビッグデータのマシーンラーニングによる放射線感受性予測プログラムの開発
日本学術振興会 科学研究費助成事業 基盤研究(C) 基盤研究(C)
第一に、Cancer Cell Line Encyclopedia (CCLE)の多層オミクスデータについて、2019年に新たにCell誌へproteomeデータが発表されたため、これを取得しマシーンラーニング解析に供するためのデータベースとして整理した。
第二に、昨年度から継続していたコロニー形成法の試験間正確性についての解析を完遂した。具体的には、CCLE登録1039細胞株を用いた放射線実験に関連する9690論文を全文査読した結果、コロニー形成法で放射線感受性が評価された論文数が最も多い上位8細胞株 620論文において、SF2の変動係数が全細胞株で30%を下回ることを見出した。このことからコロニー形成法のSF2は本研究目的に合致する試験間正確性を有すると判断し、同知見を査読付き英語学術誌に論文発表した。
第三に、CCLE登録株におけるコロニー形成法による放射線感受性データの網羅的取得作業を効率的におこなうためにdeep learningアルゴリズムを開発し、同知見を査読付き英語学術誌に論文発表した。
第四に、同deep learningアルゴリズムを使用して網羅的文献解析を行い、CCLE登録株の放射線感受性データベースを作製した。
第五に、同放射線感受性データベースの情報をマシーンラーニングで解析する際に必要な統計学的情報である実験パラメータ(放射線種、線量率、biological-、technical-replicates)を原著論文から取得し整理した。同知見を査読付き英語学術誌に投稿した。
第二に、昨年度から継続していたコロニー形成法の試験間正確性についての解析を完遂した。具体的には、CCLE登録1039細胞株を用いた放射線実験に関連する9690論文を全文査読した結果、コロニー形成法で放射線感受性が評価された論文数が最も多い上位8細胞株 620論文において、SF2の変動係数が全細胞株で30%を下回ることを見出した。このことからコロニー形成法のSF2は本研究目的に合致する試験間正確性を有すると判断し、同知見を査読付き英語学術誌に論文発表した。
第三に、CCLE登録株におけるコロニー形成法による放射線感受性データの網羅的取得作業を効率的におこなうためにdeep learningアルゴリズムを開発し、同知見を査読付き英語学術誌に論文発表した。
第四に、同deep learningアルゴリズムを使用して網羅的文献解析を行い、CCLE登録株の放射線感受性データベースを作製した。
第五に、同放射線感受性データベースの情報をマシーンラーニングで解析する際に必要な統計学的情報である実験パラメータ(放射線種、線量率、biological-、technical-replicates)を原著論文から取得し整理した。同知見を査読付き英語学術誌に投稿した。
- ID情報
-
- 課題番号 : 18K07706
- 体系的課題番号 : JP18K07706