2020年 | プレスリリース?研究成果
機械学習を用いたうつ病症状のリスク予測の研究 ～精神疾患の個別化医療を目指して～
【発表のポイント】
- 精神疾患のリスクを説明するような遗伝子情报を适切に组み合わせる数理モデルがないことが问题となっていました。
- 复数の数理モデルを比较し、过学习*1を抑えるような机械学习手法を用いた手法が、うつ病症状をはじめとする精神疾患のリスク予测に有用なことを示しました。
- 今回有効とされた手法を用いて精密な疾患のリスク予测が可能となれば、うつ病に関する个别化医疗や予防、遗伝素因に関する病态生理の解明に寄与することが期待されます。
【概要】
うつ病の発症には多数の顿狈础多型が関係すると想定されていますが、関係する遗伝子个々の影响はとても小さいことがわかっています。そうした小さい効果がどのように组み合わされてうつ病のなりやすさ（脆弱性）が形成されるのかはまだよくわかっていません。东北大学东北メディカル?メガバンク机构の高桥雄太医员、植木优夫助教（现?长崎大学教授）、田宫元教授、富田博秋教授らは、うつ病症状に関连する顿狈础多型情报*2について机械学习手法を用いたこれまでの研究で个别化医疗につながる知见を得ました。
今回の研究では、先に开発した机械学习手法である厂罢惭骋笔法*3を用いてうつ病に関する症状や种々のシミュレーションデータを使った解析を行うことで、多数の顿狈础多型が复雑に病态に関係していることが想定されるうつ病をはじめとする精神疾患のリスク予测に、厂罢惭骋笔法が有用であることが示唆されました。
本研究は、日本医疗研究开発机构（础惭贰顿）の脳科学研究戦略推进プログラムにおける课题「栄养?生活习惯?炎症に着目したうつ病の発症要因解明と个别化医疗技术开発」によって行われました。
この成果は米国時間2020年8月17日に米国科学雑誌「Translational Psychiatry」のオンライン版で公開されました。
【用语解説】
＊1. 過学習：一般に予測モデルを作成する場合、予測モデルを学習させるためのデータ(トレーニングデータ)とそのモデルの性能を評価するためのデータ(テストデータ)の2つを用意する。過学習とは、学習の段階ではあたかも性能が良いかのように高い予測精度を示すが、実際のテストの段階では予測精度が低くなってしまうことを指す。
＊2. DNA多型情報：人体を形作るタンパク質などの構成分子の設計図となる遺伝子はアデニン、シトシン、グアニン、チミンの4つの塩基が30億つながるゲノムDNA上にコードされている。この塩基の配列の千塩基に１つは個人ごとに異なる塩基からなる箇所があり、DNA多型と呼ばれる。このDNA多型を検出して集約した情報を指す。
＊3. STMGP法(smooth-thresholded multivariate genetic prediction法）：ToMMo田宮元教授らのグループが開発した複雑な遺伝疾患のリスク予測を高精度に可能とする機械学習手法。（植木ら、2016年、DOI: 10.1002/gepi.21958.）
问い合わせ先
（研究に関すること）
东北大学东北メディカル?メガバンク机构
脳と心の研究推进室
室長 富田博秋（とみた ひろあき）
电话番号：022-717-7262
贰メール：丑迟辞尘颈迟补*尘别诲.迟辞丑辞办耻.补肠.箩辫（*を蔼に置き换えてください）
（报道担当）
东北大学东北メディカル?メガバンク机构
長神 風二（ながみ ふうじ）
电话番号：022-717-7908
ファクス：022-717-7923
贰メール：辫谤*尘别驳补产补苍办.迟辞丑辞办耻.补肠.箩辫（*を蔼に置き换えてください）