研究課題情報
課題管理番号
23jm0210084h0004
統合プロジェクト(二期)

シーズ開発・研究基盤プロジェクト<第二期>

事業名

医療分野国際科学技術共同研究開発推進事業

タグ(2023)

研究開発目的: 基礎医学研究

研究の性格: 疾患を特定しない基礎医学研究<生命・病態解明研究>

研究モダリティ: in vivo-齧歯類

ICD-10大分類: 尿路性器系の疾患

対象疾患領域: その他

特記的事項: 国際共同研究

補足確認: 予後・生活の質<QOL>

タグ(2022)

研究の性格: 生命・病態解明等を目指す研究

開発フェーズ: 該当なし

承認上の分類: 薬機法分類非該当

対象疾患: その他

疾患領域: 成育

開発目的: 予防・健康 ,  診断 ,  生活の質<QOL>

タグ(2021)

研究の性格: 生命・病態解明等を目指す研究

開発フェーズ: 基礎的

対象疾患: その他

疾患領域: 成育 ,  老年医学・認知症

開発目的: 予防・健康 ,  診断 ,  生活の質<QOL>

タグ(2020)

研究の性格: 生命・病態解明等を目指す研究

開発フェーズ: 基礎的

対象疾患: その他

開発目的: 予防・健康 ,  診断 ,  生活の質<QOL>

代表研究機関
国立大学法人東京大学
研究代表者

(2023) 山中総一郎, 国立大学法人東京大学, 大学院理学系研究科 准教授

(2022) 山中総一郎, 国立大学法人東京大学, 大学院理学系研究科 准教授

(2021) 山中総一郎, 国立大学法人東京大学, 大学院理学系研究科 准教授

(2020) 山中総一郎, 国立大学法人東京大学, 大学院理学系研究科 准教授

研究期間
2020年度 - 2023年度
課題への総配分額
59,700 千円
研究概要(2023)
本研究では、データベースに登録された膨大な量のエピゲノムデータを活用することで、トランスクリプトームやエンハンサープロモーター間相互作用などゲノム高次構造を高精度に予測するAIツールを開発する。また、その有効性を培養細胞を用いた生化学実験などにより評価することで、AIツール開発に向けたADDIE(Analysis, Design, Development, Implementation, Evaluation)モデルを回し実用可能な質にまで引き上げる。さらに開発したAIツールを用いて、マウス胎児期の雄性生殖細胞の持つ特異なクロマチン構造の性状を解明する。この目的のために当該年度では、胎児期生殖細胞におけるエンハンサー活性をクロマチンアクセシビリティとトランスクリプトームで評価する。また、ゴノサイトクロマチンへのレチノイン酸(RA)の影響が前年度の解析から疑われたため、RA阻害剤を用いた解析を行い、組織間でのRAに対するクロマチンの応答性を比較解析する。さらに、カナダ側の研究者によって開発された試験段階のAIツールを培養細胞を用いて検証することでその性能を評価する。
研究概要(2022)
本研究では、データベースに登録された膨大な量のエピゲノムデータを活用することで、トランスクリプトームやエンハンサープロモーター間相互作用などゲノム高次構造を高精度に予測するAIツールを開発する。また、その有効性を培養細胞を用いた生化学実験などにより評価することで、AIツール開発に向けたADDIE(Analysis, Design, Development, Implementation, Evaluation)モデルを回し実用可能な質にまで引き上げる。さらに開発したAIツールを用いて、マウス胎児期の雄性生殖細胞の持つ特異なクロマチン構造の性状を解明する。この目的のために当該年度では、胎児期生殖細胞におけるエンハンサー活性をクロマチンアクセシビリティとトランスクリプトームで評価する。また、ゴノサイトクロマチンへのレチノイン酸(RA)の影響が前年度の解析から疑われたため、RA阻害剤を用いた解析を行い、組織間でのRAに対するクロマチンの応答性を比較解析する。さらに、カナダ側の研究者によって開発された試験段階のAIツールを培養細胞を用いて検証することでその性能を評価する。
研究概要(2021)
本研究では、データベースに登録された膨大な量のエピゲノムデータを活用することで、トランスクリプトームやエンハンサープロモーター間相互作用などゲノム高次構造を高精度に予測するAIツールを開発する。また、その有効性を培養細胞を用いた生化学実験などにより評価することで、AIツール開発に向けたADDIEモデルを回し実用可能な質にまで引き上げる。さらに開発したAIツールを用いて、マウス胎児期の雄性生殖細胞の持つ特異なクロマチン構造の性状を解明する。この目的のために当該年度では、胎児期生殖細胞におけるるChIP-seqを行うことで複数のヒストンマークのゲノム局在情報をカタログ化する。また、高感度Hi-C法を行うことで従来よりも高解像度のゲノム高次構造情報を取得する。さらに、カナダ側の研究者によって開発された試験段階のAIツールを培養細胞を用いて検証することでその性能を評価する。
研究概要(2020)
本研究では、データベースに登録された膨大な量のエピゲノムデータを活用することで、トランスクリプトームやエンハンサープロモーター間相互作用などゲノム高次構造を高精度に予測するAIツールを開発する。また、その有効性を培養細胞を用いた生化学実験などにより評価することで、AIツール開発に向けたADDIEモデルを回し実用可能な質にまで引き上げる。さらに開発したAIツールを用いて、マウス胎児期の雄性生殖細胞の持つ特異なクロマチン構造の性状を解明する。この目的のために今年度は公共データベースに存在するエピゲノムデータとトランスクリプトームデータを選抜し、AI解析ツール開発のための教師データとして用いる。また、生殖細胞を用いて複数のヒストンマークに関してChIP-seqを行う。
研究成果情報
2023
2022
2021
2020