研究プロジェクト

概要

形態は長い時間をかけて獲得される表現型です。世界には生物の数だけ形態があり、同じ生物でもわずかに異なる形態を持っています。Morpho-VAEは、これらの違いを深層学習で表現する革新的なモデルです。

主な特徴

• ランドマーク不要: 従来手法と異なり、特定点の指定が不要
• 欠損データに頑健: 不完全なデータでも解析可能
• 下顎形状への応用: 霊長目の下顎形態解析で有効性を実証

技術的詳細

変分オートエンコーダー （VAE）を基盤とした深層学習アーキテクチャにより、高次元の形態データを低次元の潜在空間に効率的にマッピング。種/科を区別する特徴の自動抽出に成功しています。

応用分野

進化生物学、形態学、医学画像解析、考古学など幅広い分野での応用が期待されます。

関連リンク:

• 📄 論文
• 💻 コード

背景

単一細胞トランスクリプトミクスでは、実験条件の違いによるバッチ効果が解析の大きな障害となっています。従来手法では生物学的信号も同時に除去してしまう問題がありました。

KANADE の革新性

KANADEは、Morpho-VAEを応用し、生物学的信号とバッチ効果を巧みに区別する新しい手法です。深層学習により、データの本質的な生物学的パターンを保持しながら技術的変動のみを除去します。

主な特徴

• 変分オートエンコーダー(VAE): 深層学習による効率的な表現学習
• 選択的バッチ効果除去: 生物学的信号は保持、技術的変動のみ除去
• スケーラビリティ: 大規模データセットにも対応
• 汎用性: さまざまな単一細胞解析に適用可能

実用性

複数の実験バッチからなるデータの統合解析、メタ解析、データベース構築に威力を発揮します。

関連リンク:

• 📄 論文
• 💻 コード

概要

mindGAP（Measuring INDividual–population GAPs in psychiatric energy landscapes）は、縦断的質問票データから集団レベルと個人レベルの症状ダイナミクスを同時に推定し、その差（ギャップ）を定量化する階層変分ベイズフレームワークです。見かけ上は安定に見えても内的に苦しんでいる人、あるいはその逆のような、集団評価と個人の症状構造の不一致を、エネルギーランドスケープとして形式化します。

主な特徴

• 階層変分ベイズ: 集団パラメータと参加者ごとの個別パラメータを同時推定
• エネルギーランドスケープ解析: PHQ-9 などの多変量回答パターンから安定状態（アトラクター）と遷移を抽出
• 個人–集団ランドスケープ乖離: Jensen–Shannon divergence により個人と集団の構造のずれを定量化
• 外部尺度との関連: 抑うつ重症度だけでなく、現代型うつ関連特性（TACS-22）や対人感受性（IPS-22）とも関連

研究内容（COVID-19 パンデミック中の縦断調査）

日本における COVID-19 パンデミック期間に収集した PHQ-9 縦断データ（248名・5時点）に mindGAP を適用しました。集団ランドスケープでは3つの主要な安定状態（レジリエント、中間、重症）が同定されましたが、個人化ランドスケープはしばしばこの共有構造から大きく乖離していました。同一の症状時系列でも、集団レベルと個人レベルでは異なるアトラクター遷移パターン（安定–不安定、不安定–安定など）が観察されます。

意義と展望

従来の合計スコア中心の評価では見えにくい、症状の構造的な個人差を捉える手段として、精密精神医学や個別化されたメンタルヘルス評価への応用が期待されます。

関連リンク:

• 📄 論文: 投稿準備中

関連論文（投稿済み）

Chemosensory input suppresses cannibalism by stabilizing social feeding boundaries in Drosophila larvae
投稿済み（プレプリントなし）

概要

キイロショウジョウバエ幼虫の行動を定量化するため、深層学習フレームワーク YOLO を応用した多個体トラッキング手法 DOLO を開発しました。その結果、化学感覚入力がカニバリズムを抑制することがわかりました。

アプローチ手法

• YOLO: 深層学習を用いたマーカーレス多個体トラッキング
• 転移学習: 幼虫行動に特化した学習

研究成果

DOLOにより、従来困難だった幼虫の多個体行動比較が可能になった。このモデルによって変異体幼虫とコントロール幼虫の比較行動解析が可能になりました。

将来展望

キイロショウジョウバエ以外の動物行動解析への展開を目指しています。