研究内容

RESEARCH

がんゲノム医療における臨床シークエンスの実装と人工知能の活用

coming soon


腸内微生物叢メタゲノムシークエンスデータ解析のための技術開発

coming soon


定期検診データから慢性疾患の統合的予知・予防を行う統計手法の開発

coming soon


シークエンスデータの免疫学的解析手法の開発

coming soon


腫瘍内不均一性を生み出すがんの進化原理を理解する数理研究

九州大学別府病院外科との共同研究により大腸がんのゲノム解析により一つの腫瘍内に多様なゲノムをもつ細胞集団が存在する、すなわち腫瘍内不均一性が存在することを見出しました。更に、スーパーコンピュータを用いたがんの進化シミュレーションによってこの腫瘍内不均一性は中立進化により生み出されている可能性を示しました。

腫瘍内不均一性は、がん治療の困難性の一因となっていると考えられますが、今後がんの進化シミュレーションを用いて、治療困難性を克服できる治療戦略の探索を行っていく予定です。(Uchi, R., Takahashi, Y., Niida, A. et al. PLoS Genet, 2016, 12:e1005778) また、この研究に関連して腫瘍内不均一性とがんの進化の総説も書きました。(領域融合レビュー, 5, e003 (2016)

がんゲノム解析により明らかになった大腸がんの腫瘍内不均一性

線形・非線形状態空間モデルのスパース推定法の開発

状態空間モデル(State Space Model,SSM)とはシステムモデルと観測モデルの2つの数式によって構築される時系列統計モデルです.システムモデル内の変数x_{t}は隠れ変数として扱われ,一般的に,ある与えられた時系列の観測Y_{T}={y_{1},..,y_{t},..,y_{T}}から隠れ変数の確率分布やパラメータ値の推定を行ったり,隠れ変数の将来値を予測する問題に用いられます.例えば,台風の進路や株価,電力の需給予測や,生体内のネットワーク推定に用いられています.
中でも最も簡単なモデルは線形ガウスモデルを用いたもので,Kalman filterというアルゴリズムを用いることで、最小分散推定の観点からみた隠れ変数の確率分布の推定値を高速に計算することが可能です.当研究室では,この問題をベイジアンスパース推定の問題に拡張することで構造推定の問題として扱ったり,非線形状態空間モデルにおける隠れ変数の確率分布に高次の近似を施すことで高い精度でパラメータの推定を行う手法を開発したり,最も汎用なモデルである,非線形非ガウスで尤度が計算できない場合に,隠れ変数とパラメータ値の推定問題を解くための統計的方法論の研究などを行っています.

状態空間モデル