油谷幸代細胞機能設計チーム研究員細胞内転写産物量を網羅的に測定する実験研究観測されていない要因を潜在変数としてネットワークは、スタンフォードのP.O.Brownが1995年に発表したモデルの中に組み込むことが可能である点が挙げら cDNAマイクロアレイ法による定性的な測定技術に端れます。そこで、関連性が推定される遺伝子群の発現を発し、最近では次世代シーケンサーを用いた定量関連性要因を因子分析で推定します。推定された要的な測定も行われています。これらの遺伝子発現情報因は観測変数である遺伝子以外の可能性が高いことは生体細胞内でおこっている様々な生命現象を反映から、この要因を潜在変数としてネットワークモデル内していることから、数値化された遺伝子発現情報に対に包含した仮説モデルを作成し、SEMによる解析を行し理論的アプローチを行い、生命現象のメカニズムのいます。この手法によって、遺伝子とタンパク質といっ一端を解明することは重要な研究であると考えられ、た異なる情報を包含した細胞内因子間の制御関係を様々な数理モデルが発表されてきましたより正確に反映したモデル構築を行うことが可能にな。しかし、 [1,2,3] 従来の手法では遺伝子間の関連構造や因果関係をります。推定しており、病気の進行や細胞分化など、時間的・これまでに、出芽酵母における転写因子による遺伝空間的に変化していく細胞内で起こっている遺伝子発子発現制御のモデル化や、線虫の下皮や筋肉細胞に現制御メカニズムを反映したネットワークモデルとは分化していく過程での特徴的遺伝子発現制御モデル言い難いという問題があります。特に、細胞分化におの解析を行ってきました[4]。現在は、線虫を始めヒトES いては、タンパク質の細胞内局在などの遺伝子以外の細胞・iPS細胞などモデル生物について、胚形成や器官細胞内因子によって別の遺伝子群が発現制御されて形成段階における遺伝子発現データを解析対象とし、おり、近年では、遺伝子発現制御がncRNAの一部に発現データだけでは解明することが難しかった細胞分よって行われていることも示唆されています。そこで、化における細胞運命決定因子の推定を行っています。細胞分化制御のメカニズム解明には、従来の手法による遺伝子間の関連構造推定だけではなく、遺伝子と References 他の細胞内因子の関連性を網羅した細胞内因子間 [1] Akutsu T, Miyano S, Kuhara S. Algorithms for identifying Boolean networks and related biological networks based on matrix multiplication and fingerprint function. J Comput Biol. 2000;7:331-43. [2] Friedman N, Linial M, Nachman I, Pe’er D. Using Bayesian networks to analyze expression data. J Comput Biol. 2000; 7: 601-20. [3] Tavazoie S, Hughers JD, Campbell MJ, Cho RJ, Church GM. Systematic determination of genetic network architecture. Nat Genet. 1999; 22: 281-5. [4] Aburatani S. Network Inference of GAL Regulatory System via Structure Equation Modeling in S. cerevisiae. PLoS ONE, submitted ネットワーク推定が必要であると考えています。遺伝子発現データはゲノムレベルで測定されていることから、その情報量は膨大であり、そこから新規知見を見出すためには、多変量解析などの統計的手法が有用です。しかしながら、遺伝子発現制御を行っている細胞内の様々な要因は遺伝子発現プロファイル上ではデータとして存在しません。そこで、多変量解析の１つである構造方程式モデリング（SEM）に因子分析（EFA、CFA）やクラスタリングを組み合わせた解析手法を開発し、遺伝子発現データに適用することで細胞内における別要因（タンパク質等）−遺伝子の制御関係構造の推定を行っています。 SEMは、観測された変数間の因果関係をグラフ表示するパス解析を元にしていますが、大きな特徴として、 CBRCニューズレター第34号 (2011年新春) 1 2 3 4 研究紹介︵油谷︶ Research Abstract 構造方程式モデリングを用いた遺伝子発現制御ネットワークの推定