RESEACH
高齢化社会が進む中、ポストゲノム時代の到来で、
医療分野の伸展や関連する新規産業の創出が大いに望まれている。
これを解く鍵は生命科学と情報科学の融合である。
本研究室では、こうした時代背景や社会要請に答えるために、
生命情報として、
特に、（１）脳波と（２）遺伝子に着目した研究を行っている。
（１）脳波を利用したBCIの研究
BCI（Brain-Computer Interface）とは、脳（ニューロン）の活動を入力信号として、
何かを操作する制御信号に変換する仕組みを指す。
本研究室では、脳活動として脳波を利用し、
動作（例えば、左手あるいは右手を握る）イメージをした時に測定された
（単一試行）脳波にICA（independent component analysis: 独立成分分析）と
ECDL（equivalent current dipole source localization: 脳内等価電流双極子推定）
を適用し、得られた推定結果からイメージした手の左右を識別する学習モデルを構築し、
新たに測定された脳波からイメージした手の左右を予測する。
こうして、声や身振りを使わなくても、ただ“頭で考える”だけでコミュニケーション
が可能になり、ロボット操作などへも応用できる。
現在、学習モデルとして数量化分析Ⅱ類とBayesian Network Modelを利用している。
将来的には、脳活動の時間変化を考慮したDynamic Bayesian Network Modelへ拡張する。
※関連動画
（２）Gene setsに着目した遺伝子発現解析
DNAマイクロアレイ技術の発展および普及により、
一度の数千から百万に及び遺伝子の発現を解析できるようになり、
診断や（予後）予測のためのclassifiers構築の研究が盛んである。
しかしながら、病気の複合化によりclassifiersの予測精度は未だ実用化レベルとは言い難い。
近年、統計学的にあるいは事前知識を利用して、
共通した昨日に関与するgenesの集まりを１つのgene setと捉え、
このgene setsの組み合わせによりclassifiersを構築しようとする試みがなされつつある。
本研究室では、医療機関との共同研究を通じて、ICAと知識DBの活用に基づいて
gene setsを選抜し、クラスタリングやプロビットモデルによるclassifiers構築
を行っている。今後、疾患サブクラス分類への適用、
将来的にはBayesian Network Modelによる疾病メカニズムのモデル化で
個別化医療や創薬に役立てたいと考えている。
