特許 7241406 個々の細胞情報から組織高次元情報を推定する装置、方法、プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-03-09

(45)【発行日】2023-03-17

(54)【発明の名称】個々の細胞情報から組織高次元情報を推定する装置、方法、プログラム

(51)【国際特許分類】

   G16B 45/00 20190101AFI20230310BHJP

【ＦＩ】

G16B45/00

【請求項の数】 8

(21)【出願番号】P 2019562119

(86)(22)【出願日】2018-12-26

(86)【国際出願番号】 JP2018047908

(87)【国際公開番号】W WO2019131785

(87)【国際公開日】2019-07-04

【審査請求日】2021-12-24

(31)【優先権主張番号】P 2017250042

(32)【優先日】2017-12-26

(33)【優先権主張国・地域又は機関】JP

【新規性喪失の例外の表示】特許法第３０条第２項適用 （公開１） 開催日 平成２９年６月２７日～２９日 集会名第１２回国際ゲノム会議 開催場所 学術総合センター 一橋講堂（東京都千代田区一ツ橋２丁目１番２号） （公開２） 開催日 平成２９年７月６日～７日 集会名 シングルセルサイエンスシンポジウム 開催場所 理化学研究所横浜キャンパス交流棟１Ｆホール（神奈川県横浜市鶴見区末広町１－７－２２） （公開３） 掲載日 平成２９年１１月４日 ｈｔｔｐ：／／ｗｗｗ．ｃｉｒａ．ｋｙｏｔｏ－ｕ．ａｃ．ｊｐ／ｅ／ｐｒｅｓｓｒｅｌｅａｓｅ／ｓｅｍｉｎａｒ／１７０６１４－１０００００．ｈｔｍｌ （公開４） 開催日 平成２９年１１月６日～８日集会名 ＣｉＲＡ ２０１７ 国際シンポジウム 開催場所 京都市勧業館みやこめっせ（京都市左京区岡崎成勝寺町９－１） （公開５） 掲載日 平成２９年１１月８日 ｈｔｔｐ：／／ｗｗｗ．ｃｉｒａ．ｋｙｏｔｏ－ｕ．ａｃ．ｊｐ／ｒｅｔｒｅａｔ／２０１７／ （公開６） 開催日 平成２９年１１月１０日 集会名 ＣｉＲＡ ＲＥＴＲＥＡＴ ２０１７ 開催場所 びわ湖大津プリンスホテル（滋賀県大津市におの浜４－７－７）

【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２９年度、国立研究開発法人日本医療研究開発機構、「再生医療実現拠点ネットワークプログラム ｉＰＳ細胞研究中核拠点」「再生医療用ｉＰＳ細胞ストック開発拠点」委託研究開発、産業技術力強化法第１９条の適用を受ける特許出願

(73)【特許権者】

【識別番号】504132272

【氏名又は名称】国立大学法人京都大学

(74)【代理人】

【識別番号】110002860

【氏名又は名称】弁理士法人秀和特許事務所

(72)【発明者】

【氏名】森 智弥

(72)【発明者】

【氏名】藤渕 航

【審査官】岡北 有平

(56)【参考文献】

【文献】MORI, Tomoya，Development of 3D Tissue Reconstruction Method from Single-cell RNA-seq Data，GENOMICS AND COMPUTATIONAL BIOLOGY，ドイツ，Kernel Press，2017年01月26日，Vol.3, No.1，p.1-4

【文献】LU, Wen，Reconstructing Complex Tissues from Single-Cell Analyses，CELL，米国，Cell Press，2014年05月08日，Vol.157, Issue 4，p.771-773

【文献】TREUTLEIN, Barbara，Reconstructing lineage hierarchies of the distal lung epithelium using single-cell RNA-seq，NATURE，英国，Nature Publishing，2014年05月15日，Vol.509，p.371-375

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ１６Ｂ ５／００ － ９９／００

(57)【特許請求の範囲】

【請求項1】

生体組織を複数のグループに分割した各グループに含まれる各遺伝子の発現量を含む発現量情報を取得する取得部と、
Gene Ontology解析に基づいて、前記取得部によって取得された前記発現量情報の前記
遺伝子のうち、所定の遺伝子の発現量情報を抽出する抽出部と、
前記抽出部によって抽出された前記発現量情報に含まれる前記各グループに含まれる前記所定の遺伝子の発現量を成分とする特徴ベクトルと、三次元空間に配置され前記生体組織を構成する複数のユニットのそれぞれに割り当てられる重みベクトルとの間のユークリッド距離を算出し、前記各グループのそれぞれについて前記ユークリッド距離が前記複数のユニットのうち最も短いユニットを、前記生体組織の前記各グループのそれぞれの三次元位置に対応するユニットとして算出する算出部と、
を備える組織高次元情報推定装置。

【請求項2】

生体組織を複数のグループに分割した各グループに含まれる各遺伝子の発現量を含む発現量情報を取得する取得部と、
遺伝子の発現量の主成分分析及びGene Ontology解析に基づいて、前記取得部によって
取得された前記発現量情報の前記遺伝子のうち、所定の遺伝子の発現量情報を抽出する抽出部と、
前記抽出部によって抽出された前記発現量情報に含まれる前記各グループに含まれる前記所定の遺伝子の発現量を成分とする特徴ベクトルと、三次元空間に配置され前記生体組織を構成する複数のユニットのそれぞれに割り当てられる重みベクトルとの間のユークリッド距離を算出し、前記各グループのそれぞれについて前記ユークリッド距離が前記複数のユニットのうち最も短いユニットを、前記生体組織の前記各グループのそれぞれの三次元位置に対応するユニットとして算出する算出部と、
を備える組織高次元情報推定装置。

【請求項3】

前記抽出部は、前記所定の遺伝子の発現量情報として、細胞接着関連遺伝子の発現量情報を抽出する、請求項１または２に記載の組織高次元情報推定装置。

【請求項4】

前記抽出部は、前記所定の遺伝子の発現量情報として、リボソーム関連遺伝子、ｎｃＲＮＡ関連遺伝子、及び、アポトーシス関連遺伝子のうちの少なくとも１つに関連する遺伝
子の発現量情報を抽出する、請求項１または２に記載の組織高次元情報推定装置。

【請求項5】

前記抽出部は、前記所定の遺伝子の発現量情報として、少なくとも、心室中隔形成に関連する遺伝子の発現量情報を抽出する、請求項１または２に記載の組織高次元情報推定装置。

【請求項6】

前記抽出部は、前記所定の遺伝子の発現量情報として、少なくとも、ＤＮＡ結合阻害剤に関連する遺伝子の発現量情報を抽出する、請求項１または２に記載の組織高次元情報推定装置。

【請求項7】

コンピュータが、
生体組織を複数のグループに分割した各グループに含まれる各遺伝子の発現量を含む発現量情報を取得し、
Gene Ontology解析に基づいて、取得された前記発現量情報の前記遺伝子のうち、所定
の遺伝子の発現量情報を抽出し、
抽出された前記発現量情報に含まれる前記各グループに含まれる前記所定の遺伝子の発現量を成分とする特徴ベクトルと、三次元空間に配置され前記生体組織を構成する複数のユニットのそれぞれに割り当てられる重みベクトルとの間のユークリッド距離を算出し、前記各グループのそれぞれについて前記ユークリッド距離が前記複数のユニットのうち最も短いユニットを、前記生体組織の前記各グループのそれぞれの三次元位置に対応するユニットとして算出する、
ことを実行する組織高次元情報推定方法。

【請求項8】

コンピュータが、
生体組織を複数のグループに分割した各グループに含まれる各遺伝子の発現量を含む発現量情報を取得し、
Gene Ontology解析に基づいて、取得された前記発現量情報の前記遺伝子のうち、所定
の遺伝子の発現量情報を抽出し、
抽出された前記発現量情報に含まれる前記各グループに含まれる前記所定の遺伝子の発現量を成分とする特徴ベクトルと、三次元空間に配置され前記生体組織を構成する複数のユニットのそれぞれに割り当てられる重みベクトルとの間のユークリッド距離を算出し、前記各グループのそれぞれについて前記ユークリッド距離が前記複数のユニットのうち最も短いユニットを、前記生体組織の前記各グループのそれぞれの三次元位置に対応するユニットとして算出する、
ことを実行するための組織高次元情報推定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、個々の細胞情報から組織高次元情報を推定する装置、方法、プログラムに関する。

【背景技術】

【0002】

ヒトｉＰＳ細胞（induced pluripotent stem cells）等から三次元的な生体組織を人工的に再構築することは、再生医療分野等において注目されている技術の一つである。これまでに細胞シートや３Ｄバイオプリンタを用いた技術が開発され、それらの有用性が報告されてきた（非特許文献１、２）が、生体組織の構造は非常に複雑であるため、三次元的かつ機能的に完全な再構築には未だ至っていない。

【0003】

一方で、近年では１細胞レベルという高解像度で細胞の状態を観察できる技術が開発され、生体組織における個々の細胞の不均一性を捉えることができるようになりつつある。さらには、その１細胞解析技術を用いて、ヒトの全ての細胞種を詳細に調べてカタログ化することを目的とした国際プロジェクトHuman Cell Atlas（非特許文献３）が開始されるなど、組織を形成する最小の機能単位である細胞情報の詳細が今後公開されていくことが予想される。

【0004】

それらを踏まえ、近年では個々の細胞プロファイル、特に１細胞RNA-seq解析によって得られた遺伝子発現データから、個々の細胞の生体組織における元の三次元位置を計算機によって推定して三次元組織を再構築する技術がいくつか報告されている（非特許文献４－７）。それらはランドマーク法とアブ・イニシオ法の２種類に大きく分けることができる。ランドマーク法ではin situハイブリダイゼーションによって得られた個々の遺伝子発現の空間的な情報を参照しながら、RNA-seq解析によって得られた遺伝子発現情報に基づいて各細胞の三次元位置を推定する（非特許文献４、５）。一方で、アブ・イニシオ法は、そのような参照データを用いずに、遺伝子発現情報のみから主成分分析によって得られた主成分得点に従って各細胞を三次元空間にマッピングする（非特許文献６、７）。

【先行技術文献】

【非特許文献】

【0005】

【文献】M. Kawatou et al., Modelling torsade de pointes arrhythmias in vitro in 3D human iPS cell-engineered heart tissue, Nature Communications 8:1078 (11 pages) (2017).

【文献】H.-W. Kang et al., A 3D bioprinting system to produce human-scale tissue constructs with structural integrity, Nature Biotechnology 34(3), pp.312-319 (2016).

【文献】O. R.-R et al., The Human Cell Atlas: from vision to reality, Nature 550, pp.451-453 (2017).

【文献】R. Satija et al., Spatial reconstruction of single-cell gene expression data, Nature Biotechnology 33(5), pp.495-502 (2015).

【文献】K. Achim et al., High-throughput spatial mapping of single-cell RNA-seq data to tissue of origin, Nature Biotechnology 33(5), pp.503-509 (2015).

【文献】R. Durruthy-Durruthy et al., Reconstruction of the mouse otocyst and early neuroblast lineage at single-cell resolution, Cell 157, pp.964-978 (2014).

【文献】J. Durruthy-Durruthy et al., Spatiotemporal reconstruction of the human blastocyst by single-cell gene-expression analysis informs induction of naive pluripotency, Developmental Cell 38, pp.100-115 (2017).

【文献】T. Mori et al., Development of 3D tissue reconstruction method from single-cell RNA-seq data, Genomics and Computational Biology 3(1), e53 (4 pages) (2017).

【文献】G. Peng et al., Spatial Transcriptome for the Molecular Annotation of Lineage Fates and Cell Identity in Mid-gastrula Mouse Embryo, Developmental Cell 33, pp.681-697 (2016).

【文献】T. Kohonen, Self-organizing maps, Springer Series in Information Sciences, vol.30. Springer, third edition (2001).

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、ランドマーク法はスループットの観点からその実用性に問題があり、また、これまでのアブ・イニシオ法は再構築というよりはデータの可視化に近く、再構築の精度の観点から実用性に問題がある。

【0007】

細胞種特異的なマーカー遺伝子の発現を考慮した主成分分析に基づくマウス胚盤胞の三次元再構築手法の開発が行われている（非特許文献８）が、マーカーが未知の細胞種が含まれている場合に適用することが難しく、様々な生体組織への応用が困難である。

【0008】

マーカー遺伝子に依存せずに、遺伝子の発現量を含む個々の細胞情報から、生体組織の三次元位置情報である組織高次元情報を推定できることが望ましい。

【0009】

本発明は、個々の細胞情報から組織高次元情報を推定することを目的とする。

【課題を解決するための手段】

【0010】

上記課題を解決するために、以下の手段を採用する。

【0011】

即ち、第１の態様は、
生体組織を複数のグループに分割した各グループに含まれる各遺伝子の発現量を含む発現量情報を取得する取得部と、
前記取得部によって取得された前記発現量情報の前記遺伝子のうち、所定の遺伝子の発現量情報を抽出する抽出部と、
前記抽出部によって抽出された前記遺伝子の前記発現量情報に基づいて、前記生体組織の前記各グループのそれぞれの三次元位置を算出する算出部と、を備える組織高次元情報推定装置である。

【0012】

開示の態様は、プログラムが情報処理装置によって実行されることによって実現されてもよい。即ち、開示の構成は、上記した態様における各手段が実行する処理を、情報処理装置に対して実行させるためのプログラム、或いは当該プログラムを記録したコンピュータ読み取り可能な記録媒体として特定することができる。また、開示の構成は、上記した各手段が実行する処理を情報処理装置が実行する方法をもって特定されてもよい。開示の構成は、上記した各手段が実行する処理を行う情報処理装置を含むシステムとして特定されてもよい。

【発明の効果】

【0013】

本発明によれば、個々の細胞情報から組織高次元情報を推定することができる。

【図面の簡単な説明】

【0014】

【図1】図１は、本実施形態の組織高次元情報推定装置の構成例を示す図である。

【図2】図２は、コンピュータのハードウェア構成例を示す図である。

【図3】図３は、組織高次元情報推定装置の生体組織の細胞の三次元位置算出の動作フローの例を示す図である。

【図4】図４は、取得部１０２が取得する遺伝子発現量のデータの例を示す図である。

【図5】図５は、Biological Process カテゴリに属するＧＯに対して解析を行った結果得られた、発現変動遺伝子の出現率から統計的に有意な上位１０個のＧＯを示す表である。

【図6】図６は、マウス原腸胚（Ｅ７．０）の構造の可視化を説明する図である。

【図7】図７は、マウス原腸胚の三次元位置推定の評価について説明する図である。

【図8】図８は、マウス原腸胚の三次元位置推定の評価結果の例を示す図である。

【図9】図９は、「all」の場合におけるマウス原腸胚の三次元再構築の成功モデルの可視化の例を示す図である。

【図10】図１０は、三次元位置推定の成功率の分布とポアソン分布とを示す図である。

【図11】図１１は、各ＧＯにおけるフィルタリング後の遺伝子数と成功率の相関を示す図である。

【図12】図１２は、主成分分析により選択した１５８遺伝子を用いた場合の、成功率上位のＧＯを示した表である。

【図13】図１３は、主成分分析により選択した１５８遺伝子を用いずにＧＯに含まれる遺伝子群のみを用いた場合の成功率上位のＧＯを示した表である。

【図14】図１４は、選択した遺伝子群の発現に基づく細胞サンプルのクラスタリングの例を示す図である。

【図15】図１５は、類似度に基づいた再構築モデルの可視化における線分に対する最近点を示す図である。

【図16】図１６は、ＧＯに基づいた再構築結果を示す図である。

【図17】図１７は、GO:0060412、およびGO:0060412と組み合わせた場合に再構築の成功率が８５％以上を示したＧＯを示す図である。

【図18】図１８は、成功率が８５％以上を示した２つのＧＯの組み合わせを示す図である。

【図19】図１９は、GO:0060412を含むＧＯのペアに基づいた再構築結果を示す図である。

【図20】図２０は、成功率が９６％以上を示した３つのＧＯの組み合わせを示す図である。

【図21】図２１は、成功率が９８％以上を示した４つのＧＯの組み合わせを示す図である。

【図22】図２２は、成功率が９９％以上を示した５つのＧＯの組み合わせを示す図である。

【図23】図２３は、成功率が９９％以上を示した６つのＧＯの組み合わせを示す図である。

【図24】図２４は、成功率が９９％以上を示した５つのＧＯに含まれる遺伝子を示す図である。

【図25】図２５は、２つの遺伝子を除去した場合に成功率９９％以上を示した遺伝子の組み合わせを示す図である。

【図26】図２６は、遺伝子Id2を単体もしくはペアで除去した場合の成功率と分散を示す図である。

【図27】図２７は、異なる遺伝子セットに対する再構築の成功率、細胞サンプル位置の分散及び２種類の再構築モデルを示す図である。

【発明を実施するための形態】

【0015】

以下、図面を参照して実施形態について説明する。実施形態の構成は例示であり、発明の構成は、開示の実施形態の具体的構成に限定されない。発明の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。

【0016】

〔実施形態〕
ここでは、生体組織の三次元位置推定（再構築）の精度と汎化性を向上させるため、細胞種特異的なマーカー遺伝子の情報を用いる代わりに、Gene Ontology（ＧＯ）に基づいた特徴遺伝子の抽出と自己組織化マップ（Self-organizing map: ＳＯＭ）を組み合わせた生体組織の三次元位置推定（再構築）手法について説明する。ＧＯは、遺伝子の機能等による分類である。１つの遺伝子がＧＯの複数のグループに分類されることもある。また、ＧＯのいずれのグループにも分類されていない遺伝子もある。

【0017】

〈構成例〉
図１は、本実施形態の組織高次元情報推定装置の構成例を示す図である。図１の組織高次元情報推定装置１００は、取得部１０２、抽出部１０４、算出部１０６、格納部１０８を有する。組織高次元情報推定装置１００は、生体組織の個々の細胞の遺伝子発現量等の細胞情報に基づいて、生体組織の三次元位置情報（組織高次元情報）を推定する。

【0018】

取得部１０２は、計算対象の生体組織の個々の細胞の遺伝子の発現量情報を含む細胞情報を格納部１０８や他の情報処理装置等から取得する。個々の細胞の遺伝子の発現量情報は、複数の細胞を含むグループの遺伝子の発現量情報であってもよい。

【0019】

抽出部１０４は、取得部１０２が取得した細胞情報から、三次元位置を推定する際に使用する遺伝子の細胞情報（発現量情報）を抽出する。使用する遺伝子は、所定の規則に従って抽出される。

【0020】

算出部１０６は、個々の細胞の抽出された遺伝子の発現量情報に基づいて、個々の細胞の三次元位置情報を算出する。個々の細胞の三次元位置情報は、個々の細胞の遺伝子発現ドメインに対応する。

【0021】

格納部１０８は、組織高次元情報推定装置１００で使用する計算対象の生体組織の個々の細胞の遺伝子の発現量情報を含む細胞情報等を格納する。また、格納部１０８は、Gene Ontology（ＧＯ）による遺伝子の分類を格納する。

【0022】

組織高次元情報推定装置１００は、ＰＣ（Personal Computer）、ワークステーション（ＷＳ、Work Station）、スマートフォン、携帯電話、タブレット型端末のような専用または汎用のコンピュータ、あるいは、コンピュータを搭載した電子機器を使用して実現可能である。

【0023】

図２は、コンピュータのハードウェア構成例を示す図である。組織高次元情報推定装置１００は、図２に示すようなコンピュータ９０によって実現される。図２のコンピュータ９０は、プロセッサ９１、メモリ９２、記憶部９３、入力部９４、出力部９５、通信制御部９６を有する。これらは、互いにバスによって接続される。メモリ９２及び記憶部９３は、コンピュータ読み取り可能な記録媒体である。情報処理装置であるコンピュータのハードウェア構成は、図２に示される例に限らず、適宜構成要素の省略、置換、追加が行われてもよい。

【0024】

コンピュータ９０は、プロセッサ９１が記録媒体に記憶されたプログラムをメモリ９２の作業領域にロードして実行し、プログラムの実行を通じて各構成部等が制御されることによって、所定の目的に合致した機能を実現することができる。

【0025】

プロセッサ９１は、例えば、ＣＰＵ（Central Processing Unit）やＤＳＰ（Digital Signal Processor）である。

【0026】

メモリ９２は、例えば、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）を含む。メモリ９２は、主記憶装置とも呼ばれる。

【0027】

記憶部９３は、例えば、ＥＰＲＯＭ（Erasable Programmable ROM）、ハードディスクドライブ（ＨＤＤ、Hard Disk Drive）である。また、記憶部９３は、リムーバブルメディア、即ち可搬記録媒体を含むことができる。リムーバブルメディアは、例えば、ＵＳＢ（Universal Serial Bus）メモリ、あるいは、ＣＤ（Compact Disc）やＤＶＤ（Digital Versatile Disc）のようなディスク記録媒体である。記憶部９３は、二次記憶装置とも呼ばれる。

【0028】

記憶部９３は、各種のプログラム、各種のデータ及び各種のテーブルを読み書き自在に記録媒体に格納する。記憶部９３には、オペレーティングシステム（Operating System :ＯＳ）、各種プログラム、各種テーブル等が格納される。記憶部９３に格納される情報は、メモリ９２に格納されてもよい。また、メモリ９２に格納される情報は、記憶部９３に格納されてもよい。

【0029】

オペレーティングシステムは、ソフトウェアとハードウェアとの仲介、メモリ空間の管理、ファイル管理、プロセスやタスクの管理等を行うソフトウェアである。オペレーティングシステムは、通信インタフェースを含む。通信インタフェースは、通信制御部９６を介して接続される他の外部装置等とデータのやり取りを行うプログラムである。外部装置等には、例えば、他のコンピュータ、外部記憶装置等が含まれる。

【0030】

入力部９４は、キーボード、ポインティングデバイス、ワイヤレスリモコン、タッチパネル等を含む。また、入力部９４は、カメラのような映像や画像の入力装置や、マイクロフォンのような音声の入力装置を含むことができる。

【0031】

出力部９５は、ＬＣＤ（Liquid Crystal Display）、ＥＬ（Electroluminescence）パネル、ＣＲＴ（Cathode Ray Tube）ディスプレイ、ＰＤＰ（Plasma Display Panel）等の表示装置、プリンタ等の出力装置を含む。また、出力部９５は、スピーカのような音声の出力装置を含むことができる。

【0032】

通信制御部９６は、他の装置と接続し、コンピュータ９０と他の装置との間の通信を制御する。通信制御部９６は、例えば、ＬＡＮ（Local Area Network）インタフェースボード、無線通信のための無線通信回路、有線通信のための通信回路である。ＬＡＮインタフェースボードや無線通信回路は、インターネット等のネットワークに接続される。

【0033】

組織高次元情報推定装置１００を実現するコンピュータは、プロセッサが補助記憶装置に記憶されているプログラムを主記憶装置にロードして実行することによって、取得部１０２、抽出部１０４、算出部１０６としての機能を実現する。一方、格納部１０８は、主記憶装置または補助記憶装置の記憶領域に設けられる。

【0034】

組織高次元情報推定装置１００の各ユニットは、ハードウェアの構成要素、ソフトウェアの構成要素、又は、これらの組み合わせとして、それぞれ実現され得る。

【0035】

ハードウェアの構成要素は、ハードウェア回路であり、例えば、ＦＰＧＡ（Field Programmable Gate Array）、特定用途向け集積回路（ＡＳＩＣ）、ゲートアレイ、論理ゲートの組み合わせ、アナログ回路等がある。

【0036】

ソフトウェアの構成要素は、ソフトウェアとして所定の処理を実現する部品である。ソフトウェアの構成要素は、ソフトウェアを実現する言語、開発環境等を限定する概念ではない。

【0037】

プログラムを記述するステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくても、並列的または個別に実行される処理を含む。プログラムを記述するステップの一部が省略されてもよい。

【0038】

〈動作例〉
図３は、組織高次元情報推定装置の生体組織の細胞の三次元位置算出の動作フローの例を示す図である。ここでは、組織高次元情報推定装置１００は、生体組織であるマウス原腸胚（Ｅ７．０）の各細胞の遺伝子発現量のデータから、マウス原腸胚（Ｅ７．０）の各細胞の三次元位置情報を推定する。ここで、遺伝子発現は、遺伝子の情報が細胞において構造や機能に変換される過程である。遺伝子発現量は、遺伝子発現される量である。

【0039】

Ｓ１０１では、組織高次元情報推定装置１００の取得部１０２は、生体組織の細胞の遺伝子発現量のデータ（発現量情報）を、格納部１０８や他の情報処理装置等から取得する。遺伝子発現量のデータには、生体組織の各細胞または各細胞グループに含まれる各遺伝子についての遺伝子発現量が含まれる。

【0040】

（マウス原腸胚の遺伝子発現データ）
ここでは、細胞の三次元位置推定をする生体組織の例として、マウス原腸胚（Ｅ７．０）を取り上げる。本実施形態における生体組織は、マウス原腸胚（Ｅ７．０）に限定されるものではない。

【0041】

マウス原腸胚（Ｅ７．０）の遺伝子毎の遺伝子発現量のデータは、Pengらによって取得され（非特許文献９）、ＮＣＢＩ（National Center for Biotechnology Information）のＧＥＯ（Gene Expression Omnibus）に公開されている。このデータは、マウス原腸胚（Ｅ７．０）から切り出された１１枚の凍結切片の４つの部位（anterior, posterior, left, right）から取得された遺伝子毎の遺伝子発現量のデータを含む。凍結切片には、４つの部位うちの一部しか含まないものもある。このデータには、各凍結切片の各部位による４１サンプル（細胞サンプル）が含まれる。このデータには、各サンプルの遺伝子発現量がＦＰＫＭ（fragments per kilobase of exon per million reads mapped）に正規化された値で保存されている。各サンプルには、２３３６１種類の遺伝子が含まれる。各サンプルのデータは、約２０細胞を含む細胞グループにおけるデータである。Pengらは、このデータを解析することで、マウス原腸胚（Ｅ７．０）が４つの遺伝子発現ドメイン（Ｄ１： anterior, Ｄ２： lateral-distal, Ｄ３： lateral-proximal, Ｄ４： posterior）に分かれ、各サンプルがいずれかのドメインに属することを既に報告している（非特許文献９）。組織高次元情報推定装置１００は、各サンプルの立体配置を、自己組織化マップを用いて、遺伝子発現量から推定する。

【0042】

図４は、取得部１０２が取得する遺伝子発現量のデータの例を示す図である。遺伝子発現量のデータでは、細胞または細胞グループを識別するサンプルＩＤと、当該細胞等に含まれる遺伝子の名称である遺伝子名と、当該遺伝子の発現量である遺伝子発現量とが対応付けられている。当該データには、細胞または細胞グループに含まれるすべての遺伝子についての遺伝子発現量が含まれ得る。

【0043】

Ｓ１０２では、抽出部１０４は、取得部１０２で取得された遺伝子発現量のデータから、三次元位置推定で使用する遺伝子（特徴遺伝子）の遺伝子発現量を抽出する。細胞または細胞グループに含まれるすべての遺伝子を三次元位置推定で使用しても、三次元位置推定の成功率が上がるとは限らない。遺伝子の中には、細胞等の三次元位置との関連性が低い遺伝子があると考えられるからである。そこで、抽出部１０４は、細胞等の三次元位置と関連性が高いと考えられる遺伝子の遺伝子発現量を抽出する。抽出方法として、様々な抽出方法が考えられ、どのような抽出方法が採用されてもよい。

【0044】

（マウス原腸胚の三次元位置推定に用いる特徴遺伝子の抽出）
ここでは、抽出部１０４は、マウス原腸胚（Ｅ７．０）の各サンプルに含まれる２３３６１遺伝子から三次元位置の推定に有用な特徴遺伝子の抽出を行う。他の生体組織の場合でも、同様に抽出してもよい。一般的に細胞周期に関する遺伝子の発現は、サンプル間で分散が大きく、細胞のクラスタリングの妨げになる。そこで、抽出部１０４は、ＭＧＩ（Mouse Genome Informatics）データベースのGene Ontology Browserを用いて細胞周期に関連するGO:0022402とその配下のＧＯに属する遺伝子のリストを取得し、遺伝子発現量のデータからそれらの遺伝子を除去する。さらに、抽出部１０４は、２サンプル以上でＦＰＫＭ値が１より大きく、かつ全サンプル間の分散（log₁₀(FPKM+1)）が０．０５より大きい５５８５遺伝子を取り出した後、遺伝子発現量をlog₁₀(FPKM+1)にスケーリングする。

【0045】

さらに、抽出部１０４は、遺伝子発現量の主成分分析（principal component analysis: ＰＣＡ）の結果から得られる第一主成分と第二主成分においてloadingの値が最も大きかった４０遺伝子と最も小さかった４０遺伝子の計１５８遺伝子（重複した遺伝子は除去）を取り出し、三次元位置を推定するための特徴遺伝子とする。ここでは、上位と下位の４０遺伝子としたが、これらの遺伝子数は、それぞれ、増減してもよい。抽出部１０４は、細胞接着に関連する遺伝子（GO:0098609）の抽出も行う。細胞接着に関連する遺伝子（細胞接着関連遺伝子）は、細胞の三次元位置に関連性があると考えられる。

【0046】

さらに、抽出部１０４は、Gene Ontology（ＧＯ）解析に基づく特徴遺伝子抽出も行う。ＧＯ解析では、フィルタリング後に残った５５８５遺伝子に対して、まず４つの遺伝子発現ドメイン間で発現変動がある遺伝子を取得するため、Kruskal-Wallis検定を行った後、得られたｐ値をBenjamini-Hochberg法を用いてＦＤＲ（False Discovery Rate）値に変換し、ＦＤＲが０．０１未満の遺伝子を発現変動遺伝子とする。ＧＯ解析では、各ＧＯにおける発現変動遺伝子の出現率から統計的に有意なＧＯを求める。抽出部１０４は、ＧＯ解析によって当該出現率が上位（例えば、１０位以内）の１または複数のＧＯに含まれる遺伝子を特徴遺伝子として抽出し得る。

【0047】

図５は、Biological Process カテゴリに属するＧＯに対して解析を行った結果得られた、発現変動遺伝子の出現率から統計的に有意な上位１０個のＧＯを示す表である。即ち、発現変動遺伝子の出現率の高い方から１０個のＧＯを示す。

【0048】

ここでは、特徴遺伝子の抽出には、例えば、プログラミング言語Ｒが使用される。ここでは、特に低発現遺伝子の除去にはＲパッケージ“genefilter”の“genefilter”関数が、主成分分析とKruskal-Wallis検定にはＲの標準ライブラリ関数“prcomp”と“kruskal.test”が、ＧＯ解析にはＲパッケージ“topGO”の“runTest”関数と“GenTable”関数が、それぞれ使用される。

【0049】

特徴遺伝子の抽出に、他のプログラミング言語や他の関数等が使用されてもよい。また、抽出部１０４は、他の方法により、すべての遺伝子から特徴遺伝子を抽出してもよい。

【0050】

Ｓ１０３では、算出部１０６は、抽出部１０４で抽出された特徴遺伝子の遺伝子発現量を使用して、細胞等の三次元位置を推定する。

【0051】

（マウス原腸胚の自己組織化マップに基づく三次元再構築）
ここでは、算出部１０６は、抽出されたマウス原腸胚の特徴遺伝子の遺伝子発現量のデータから各サンプルの三次元位置を、自己組織化マップを用いて推定する。自己組織化マップとは、Kohonenによって提案された教師無し学習によるクラスタリング手法の一種である（非特許文献１０）。通常の自己組織化マップでは、高次元データを二次元平面上へ射影するが、ここでは、三次元平面上に射影する。

【0052】

入力として与えられたサンプルｊ（ｊ＝１，２，．．．，４１）の特徴ベクトルをｘ_ｊ（ｘ_ｊ１，ｘ_ｊ２，．．．，ｘ_ｊｐ）とする。ｐは、遺伝子の数である。特徴ベクトルの各成分は、各遺伝子の遺伝子発現量を表す。出力層の三次元空間は８（＝２×２×２）個のユニット（出力ユニット）を含む。出力層の構造はｘ軸方向、ｙ軸方向、ｚ軸方向にそれぞれ２つのユニットが並んだ合計８つのユニットによる立方体の構造である。これは、マウス原腸胚構造が、ｘｙ平面上で４つ（anterior, posterior, left, right）、ｚ軸方向で２つ（proximal, distal）の部位から構成されていることを想定している。各ユニットには、重みベクトルｍ_ｉ（ｍ_ｊ１，ｍ_ｊ２，．．．，ｍ_ｊｐ）（ｉ＝１，２，．．．，
８）が割り当てられているとする。入力サンプルｊとすべてのユニットｉとの間のユークリッド距離を算出し、最も類似度の高いユニットｃ（best matching unit: ＢＭＵ）を求める。

【数1】

【0053】

ここで、arg minは、最小値を与える引数を示す関数である。次に時刻ｔにおける出力層のすべてのユニットの重みベクトルｍ_ｉ（ｔ）を次の式に基づいて、更新する。

【数2】

【0054】

ｈ_{ｃｊ（ｔ）ｉ}は、ユニットｃからの距離によって決定される近傍関数であり、ｍ_ｉ（ｔ）を更新する際に、ｘ_ｊの影響をどれだけ受けるかを調整する。また、α（ｔ）は学習率、σは近傍領域の半径を調節する関数、ｒ_{ｃｊ（ｔ）}とｒ_ｉはユニットｃとｉの出力層における位置ベクトルである。自己組織化マップのアルゴリズムはすべての入力サンプルｊに対して、学習ステップｔが事前に与えられた学習回数Ｔに到達するまで重みベクトルｍ_ｉの更新を繰り返す。学習回数Ｔは、ｍ_ｉが収束するのに十分な回数とする。

【0055】

通常の自己組織化マップでは、サンプルｊが入力される順序によって出力結果が異なるが、ここでは、入力順序が結果に影響を及ぼさないバッチ学習自己組織化マップが採用される。

【0056】

さらに、ここでは、出力層を、通常の自己組織化マップの二次元平面から、三次元空間に拡張した三次元バッチ学習自己組織化マップが採用される。通常の自己組織化マップの学習ステップでは、ＢＭＵとその周辺のユニットのすべてが近傍関数に従って、学習の影響を受けるが、マウスの原腸胚（Ｅ７．０）の構造が中空構造であることを考慮して、ここでは、ＢＭＵに対してｘｙ平面上で対角に位置するユニットは、学習の影響を受けないように制約を導入する。即ち、ｘｙ平面上で対角に位置するユニット間の距離（ｒ_{ｃｊ（ｔ）}とｒ_ｉとの距離）を無限大とすることで、近傍関数の値を０とする。また、ＢＭＵを探索する際の類似度の指標としてユークリッド距離を用いる代わりに、類似度計算にカーネル法を導入したカーネル自己組織化マップが適用されてもよい。

【0057】

このようにして、算出部１０６は、重みベクトルｍ_ｉ（ｔ）を更新し、各サンプルｊに対して、ユニットｃを求める。各ユニットは、三次元位置に対応するため、これにより、各サンプルｊの三次元位置が推定される。

【0058】

三次元バッチ学習自己組織化マップは、例えば、プログラミング言語Pythonを使用して実装される。遺伝子発現データの操作と学習ステップで実行される内部の行列計算にはPythonパッケージ“Pandas”と“NumPy”が用いられる。カーネル法の導入に必要なカーネル行列の計算には、例えばPythonの機械学習パッケージ“scikit-learn”の“pairwise_kernels”関数を用いれば、線形カーネル、多項式カーネル、シグモイドカーネル、そしてガウシアンカーネル（ＲＢＦカーネル）といった多様なカーネルを適用することができる。

【0059】

（推定されたマウス原腸胚（Ｅ７．０）の構造の可視化）
図６は、マウス原腸胚（Ｅ７．０）の構造の可視化を説明する図である。左図は８つのユニットから構成される立方体型の三次元自己組織化マップ、黒点はユニットｍ_ｊに属する入力サンプルｊをそれぞれ示す。右図はマウス原腸胚構造を模した放物面を表しており、入力サンプルｊが算出部１０６の計算によって、この放物面上の点（ｘ′_ｉ，ｙ′_ｉ，ｚ′_ｉ）に射影される。

【0060】

算出部１０６によって推定された三次元位置に基づいて、細胞を放物面に射影することでマウスの原腸胚構造を可視化する。具体的には、三次元バッチ自己組織化マップの出力層である８つのユニットから構成される立方体構造の中心を原点とし、ユニットｍ_ｉの中心座標をそれぞれ（ｘ_ｉ，ｙ_ｉ，ｚ_ｉ）（ｉ＝１，２，．．．，８）とする。ただし、ｘ_ｉ，ｙ_ｉ，ｚ_ｉはそれぞれ０．５もしくは－０．５の値をとる。学習の結果、入力サンプルｊがユニットｍ_ｉに分類された場合、次のように、頂点を(０，０，－１)とする放物面上の点（ｘ′_ｉ，ｙ′_ｉ，ｚ′_ｉ）へサンプルｊを射影する。

【数3】

【0061】

ここで、θとεは同じユニットに分類されたサンプルどうしが射影の際に重ならないようにするために加えられる実数値である。ただし、－０．４≦ε≦０．４、θは（ｘ_ｉ，ｙ_ｉ）が（０．５，０．５），（－０．５，０．５），（－０．５，－０．５），（０．５，－０．５）のとき、それぞれ０≦θ≦π／２,π／２≦θ≦π，π≦θ≦（３／２）π，（３／２）π≦θ≦２πをとる実数値であり、三次元位置推定の際は一様乱数により決定する。

【0062】

可視化プログラムは、例えば、プログラミング言語Ｒを用いて実装することができる。描画には三次元プロット用Ｒパッケージ“rgl”の関数“plot.3d”を用いることができる。

【0063】

（マウス原腸胚の三次元位置推定の評価方法）
図７は、マウス原腸胚の三次元位置推定の評価について説明する図である。左図は、三次元再構築モデル、右図はマウス原腸胚構造を示す。

【0064】

マウス原腸胚の三次元位置推定の評価は、先に説明した４つの遺伝子発現ドメインＤ１からＤ４の相対的な位置関係を三次元位置推定の結果と実際のマウス原腸胚構造間で比較することによって行われる。入力データの４１サンプルがそれぞれどのドメインに属するかは既にPengらによって示されている。それぞれのドメインに属するサンプル群の座標の重心座標（ｘ_Ｄｉ，ｙ_Ｄｉ，ｚ_Ｄｉ）（ｉ＝１，２，３，４）から各ドメインが属する自己組織化マップ上のユニットを決定する。各ドメインのサンプル群の重心位置が存在するユニットの中心位置を、各ドメインの位置とする。４つのドメインが正しく配置されているかを表す評価値（fitness）は以下の計算（１）から（５）によって求める。
（１）ｓ＝０とする。
（２）Ｄ１とＤ４がｘｙ方向において対角に位置するならｓにｓ＋１を代入する。
（３）Ｄ２とＤ３がｚ軸方向において隣接しているならｓにｓ＋１を代入する。
（４）Ｄｉ（ｉ∈｛１，４｝）とＤｊ（ｊ∈｛２，３｝）がｘｙ方向において隣接しているなら、それぞれ、ｓにｓ＋１を代入する。
（５）ｆｉｔｎｅｓｓにｓ／６を代入する。

【0065】

ここでは、６通りの評価項目で評価しているため、規格化のために６で割っている。ここでは、２つのドメインの相対位置関係を評価項目としたが、３つ以上のドメインの相対位置関係を評価項目としてもよい。２つのドメインの２種類以上の相対位置関係を評価項目としてもよい。

【0066】

（マウス原腸胚の三次元位置推定の評価結果）
図８は、マウス原腸胚の三次元位置推定の評価結果の例を示す図である。ここでは、抽出部１０４で、主成分分析（ＰＣＡ）よる抽出（１５８遺伝子）、主成分分析による抽出とＧＯ解析による抽出（図５）を組みわせたものの例を示す。「all」は、は主成分分析により抽出された遺伝子、図５に掲載されているすべてのＧＯに属する遺伝子、かつ、cell-cell adhesion（GO:0098609）に属する遺伝子を特徴遺伝子として利用した結果を示す。ここでは、各抽出された遺伝子のセットに対して、異なった初期状態から１００回の三次元位置推定を行い、上記した評価値が１になる確率（成功率）を求めている。自己組織化マップのクラスタリング結果はマップの初期状態の影響を受けるため、異なった初期状態から１００回の三次元位置推定を行っている。

【0067】

ここでは、自己組織化マップの近傍領域σと学習率αの初期値をそれぞれ０．６，１．０とし、乱数のseedを０から９９まで変化させている。その結果、主成分分析（ＰＣＡ）により抽出された遺伝子のみを用いて三次元構築を行った場合には遺伝子発現ドメインを正しく配置することができていない。これは、主成分分析ではサンプルをクラスタリングすることはできるが遺伝子発現ドメインまでを正しく配置するには不十分であることを示している。一方で、細胞接着因子や他の特徴遺伝子を加えた場合には成功率が上昇しており、特にcell-cell adhesionの寄与が大きいことが示されている。

【0068】

図９は、「all」の場合におけるマウス原腸胚の三次元再構築の成功モデルの可視化の例を示す図である。図９のＤ１からＤ４はそれぞれPengら（非特許文献９）によって示された遺伝子発現ドメインを示すが、Ｄ１（anterior）とＤ４（posterior）とが対角にあり、Ｄ２（lateral-distal）とＤ３（lateral-proximal）が上下に位置するように配置されており、実際の遺伝子発現ドメインの配置と類似していることが分かる。

【0069】

（その他）
上記では、ＧＯ解析に基づいて統計的に有意なＧＯによる三次元位置推定（再構築）を行ったが、４つのドメイン間で発現に変動がある遺伝子を抽出する際、ドメインの情報を入力データに付随して与えていたため、教師データありの三次元位置推定手法と言える。しかしながら、ドメインの分割が明らかでない場合にはKruskal-Wallis検定による多群間比較を行うことができないため、有意なＧＯを特定することが難しい。そこで、ここでは、別のＧＯ解析として、マウスの遺伝子が属する全１７２１７種のＧＯに対して網羅的に再構築を行い、統計的に有意なＧＯを探索（抽出）する。

【0070】

ここでは、まず１７２１７種のＧＯのうち、属する遺伝子数が１０００以下であり、かつ、上記のフィルタリング処理後に残った５５８５遺伝子から上記の主成分分析により選択した１５８遺伝子を除いた５４２７遺伝子の中に少なくとも１つ以上の遺伝子が含まれている１１７２７種のＧＯを取り出した。取り出された各ＧＯに含まれる遺伝子群と主成分分析により選択した１５８遺伝子を用いて上記と同様の計算を行うことで、それぞれのＧＯに対する三次元位置推定の成功率を計算する。

【0071】

図１０は、三次元位置推定の成功率の分布とポアソン分布とを示す図である。左図は１１７２７種のＧＯを用いてそれぞれ再構築を行った際の成功率の分布を表している（ＧＯを用いない場合も含む）。横軸は成功率（％）、縦軸は密度（度数／総数）、プロットの上に表示されている整数値は度数を示している。右図は成功率の平均値０．２６９を平均値μとするポアソン分布であり、横軸ｋは成功回数、縦軸は確率変数Ｘの値がｋとなる確率を示している。

【0072】

図１０において、成功率の最大値は１４％、平均値は０．２６９であり、成功率が２％以上となるＧＯは上位５％以内に含まれる。さらに、成功率の分布を、平均μが０．２６９のポアソン分布で近似した場合、成功率が２％以上となる事象が発生する確率（ｐ値）は２．６４×１０^－３であるため、有意水準を５％とした場合に成功率が２％以上となるＧＯは統計学的に有意であると言える。

【0073】

図１１は、各ＧＯにおけるフィルタリング後の遺伝子数と成功率の相関を示す図である。横軸は各ＧＯに属する遺伝子のうち、再構築に用いられた遺伝子の数を、縦軸は再構築の成功率をそれぞれ示しており、点線は回帰直線を示している。左図は主成分分析によって得られた１５８遺伝子とＧＯに属する遺伝子を用いた結果（相関係数＝０．５４８）を、右図はＧＯに属する遺伝子のみを用いた場合の結果（相関係数＝０．０３９）を示している。

【0074】

さらに、各ＧＯに対して、フィルタリング後に残った遺伝子数と成功率との相関を調べたところ、相関係数は０．５４８を示した一方で、回帰直線から大きく外れたＧＯが見られ、それらはいずれも成功率が８％以上であった（図１１（左））。

【0075】

図１２は、主成分分析により選択した１５８遺伝子を用いた場合の、成功率上位のＧＯを示した表である。成功率上位にはリボソーム、ｎｃＲＮＡ、アポトーシスに関するＧＯが含まれており、これらが再構築の精度向上に寄与していることが分かる。

【0076】

図１３は、主成分分析により選択した１５８遺伝子を用いずにＧＯに含まれる遺伝子群のみを用いた場合の成功率上位のＧＯを示した表である。

【0077】

ここでは、全１７２１７種のＧＯのうち、属する遺伝子数が１０００以下であり、かつ、フィルタリング処理後に残った５５８５遺伝子のうち３つ以上の遺伝子が含まれている６４０８種のＧＯを取り出して同様の計算を行っている。その結果、成功率は最大で３１％を示したが、ＧＯの遺伝子のみを用いた場合は、次の図に示すように、主成分分析により選択した遺伝子も用いた場合に比べて、細胞サンプルのクラスタリング精度が低く、４つのドメインを正しく分類することが困難であった。よって、各細胞をドメインに分類するためには主成分分析による遺伝子選択を含むことが好ましい。しかしながら、主成分分析によって得られた遺伝子のみでは成功率が０％であったことから（図８）、再構築には各細胞をドメインに分けるために必要な遺伝子群と各ドメインを三次元的に正しく配置させるために必要な遺伝子群を選択する必要があると言える。今回の計算では、これらの遺伝子群の選択方法として主成分分析とＧＯを用いたが、遺伝子群の選択方法は無数に存在するため、三次元位置推定に有効な遺伝子セットをより正しく選択することで、成功率がさらに向上する可能性がある。

【0078】

図１４は、選択した遺伝子群の発現に基づく細胞サンプルのクラスタリングの例を示す図である。横軸は細胞サンプルを示しており、それぞれ４つの遺伝子発現ドメインＤ１、Ｄ２、Ｄ３、Ｄ４のどれに属しているかを示している。縦軸は遺伝子を示している。各ヒートマップは白色から黒色へと変化するに従って遺伝子の発現量が増加していることを表している。

【0079】

〈実施形態の作用、効果〉
組織高次元情報推定装置１００は、マウス原腸胚などの生体組織を複数に分割した各グループ（細胞や細胞グループ）の各遺伝子の発現量を含む発現量情報を取得し、取得された発現量情報の遺伝子のうち、所定の遺伝子の発現量情報を抽出し、抽出された遺伝子の発現量情報に基づいて、生体組織の各グループのそれぞれの三次元位置を算出する。組織高次元情報推定装置１００は、個々の遺伝子発現の空間的な情報を参照することなく、抽出されたグループ（細胞や細胞グループ）毎の遺伝子（特徴遺伝子）の遺伝子発現量により、元の生体組織における個々のグループの三次元位置を推定して立体構造を組み上げることができる。

【0080】

マウスの原腸胚（Ｅ７．０）から得られた遺伝子発現データに本実施形態の方法を適用させた結果、細胞接着関連遺伝子が再構築の精度に大きく寄与していることが分かる。主成分分析とＧＯ解析を用いた網羅的な三次元位置推定では、統計解析の結果、約５００種のＧＯが再構築の精度向上に有意に寄与していることが分かる。一方で、再構築の成功率が高い上位にはリボソーム、ｎｃＲＮＡ、アポトーシスなどに関連したＧＯが含まれている。よって、リボソーム関連遺伝子、ｎｃＲＮＡ関連遺伝子、アポトーシス関連遺伝子等は、再構築の精度向上に寄与していることが分かる。また、主成分分析によって選択した遺伝子を用いなかった場合には、三次元位置推定の成功率は高いものの、細胞サンプルのクラスタリング精度が低い。このため、三次元位置推定には各細胞サンプルをドメインに分けるために必要な遺伝子群と各ドメインを三次元的に正しく配置させるために必要な遺伝子群を選択することが望ましい。また、技術的観点からは、三次元位置推定の精度向上のためには自己組織化マップの詳細なパラメータチューニングがすることが好ましい。

【0081】

〔変形例〕
ここでは、確率的自己組織化マップ及び類似度に基づいた再構築モデルの可視化について説明する。当該可視化は、上記の構成と共通点を有する。ここでは、主に相違点について説明する。組織高次元情報推定装置１００は、ここで説明する方法で、生体組織の個々の細胞の遺伝子発現量等の細胞情報に基づいて、生体組織の三次元位置情報を推定することができる。取得部１０２は、マウス原腸胚などの生体組織を複数に分割した各グループ（細胞や細胞グループ）の各遺伝子の発現量を含む発現量情報を取得する。抽出部１０４は、取得された発現量情報の遺伝子のうち、後述する選択方法などにより所定の遺伝子の発現量情報を抽出する。算出部１０６は、抽出された遺伝子の発現量情報に基づいて、後述する確率的自己組織化マップにより、生体組織の各グループのそれぞれの三次元位置を算出する。

【0082】

また、ここでは、再構築モデルの評価に、成功率（Success rate）に加えて、クラスタリング結果の評価値を示す細胞サンプル位置の分散（Variance）を導入する例について説明する。ＧＯに基づいた網羅的なマウス原腸胚三次元再構築実験では、特定のＧＯの組み合わせでは成功率が９９％、さらにここから遺伝子Arl13bとSmad7を除いた場合に成功率が１００％に達する。組織高次元情報推定装置１００は、確率的自己組織化マップを用いること及び適切な遺伝子群を選択（抽出）することで、クラスタリングの精度を上げつつ、より高い成功率を得ることができる。

【0083】

（確率的自己組織化マップ）
上記の自己組織化マップでは、出力層のユニット数が極端に少ない場合に学習が早期に収束することがある。ここでは、漸進的に収束する確率的自己組織化マップが使用される。確率的自己組織化マップでは、時刻tにおける近傍関数ｈ_{ｃｊ（t）ｉ}（ｔ）に確率関数ｒｎｄを導入することで漸進的に収束させることができる。確率的自己組織化マップの近傍関数は、次のように表される。

【0084】

【数4】

【0085】

ただし、ｒｎｄ（０．５，１）は、０．５以上１未満の一様乱数を生成する関数である。ｒ_{ｃｊ（t）}及びｒ_ｉは、それぞれ、出力層におけるＢＭＵであるユニットｃ_ｊ（t）及び任意のユニットｉの位置ベクトルである。σは、近傍領域の半径を調整する関数である。αは、学習率を決定する関数である。

【0086】

（類似度に基づいた再構築モデルの可視化）
上記のマウス原腸胚再構築モデルの可視化では、同一の出力ユニット内にマップされた細胞サンプルの位置がランダムに決定される。一方、類似度に基づいた再構築モデルの可視化では、各ユニットの重みベクトルと細胞サンプルの特徴ベクトルとの間の類似度をサンプルの位置に反映させる。類似度に基づいた再構築モデルの可視化は、次の手順により行われる。

【0087】

（１）出力ユニットｉ＝（ｘ_ｉ，y_ｉ，ｚ_ｉ）（ｉ＝１，２，．．．，８）の重みベクトルｍ_ｉを算出する。ここでは、重みベクトルｍ_ｉを算出する際の近傍関数ｈ_{ｃｊ（t）ｉ}（ｔ）として、確率的自己組織化マップの近傍関数が使用されて、重みベクトルｍ_ｉが算出される。
（２）細胞サンプルjが属するユニットの重みベクトルＡを始点とし、ｘ方向に隣接するユニットの重みベクトルＢを終点とするベクトルを求める。
（３）細胞サンプルｊの位置Ｐの直線ＡＢに対する最近点Ｘを求め、直線ＡＸの距離||ｘ||を算出する。距離||ｘ||は、次のように表される。細胞サンプルｊの特徴ベクトルと、細胞サンプルｊが属するユニットの重みベクトルＡとが類似しているほど、ＡとＰとの距離が近くなる。距離||ｘ||は、細胞サンプルｊの特徴ベクトルと、細胞サンプルｊが属するユニットの重みベクトルＡとの類似度を反映している。

【数5】

ただし、

【数6】

である。また、||・||は、ベクトルのノルム（大きさ）を示す（図１５）。
（４）||ｘ||を||ｂ||で正規化した値ｄ_ｘを計算する。

【数7】

（５）ｙ方向及びｚ方向に対しても、同様に、ｄ_ｙ及びｄ_ｚを算出する。
（６）出力ユニットｉに属する細胞サンプルｊの座標（三次元座標）を（ｘ_ｊ，y_ｊ，ｚ_ｊ）＝（ｘ_ｉ＋ｄ_ｘ，y_ｉ＋ｄ_ｙ，ｚ_ｉ＋ｄ_ｚ）とする。
（７）上記の例と同様に細胞サンプルを放物面に投影する。ただし、θは次の式によって算出される。

【数8】

【0088】

（再構築モデルの評価）
確率的自己組織化マップによって再構築されたモデルは成功率と細胞サンプル位置の分散によって評価される。成功率については、上記と同様である。細胞サンプル位置の分散は、次の式に従って算出される。細胞サンプル位置の分散は小さいほど、クラスタリングの精度が高いことを示し、望ましい。

【数9】

ただし、Ｔは総試行回数、Ｄはドメインの数を示している。ｖ_ｔｉｘ、ｖ_ｔｉｙ、ｖ_ｔｉｚは、それぞれ、第ｔ回の試行におけるドメインｉに属する細胞サンプル位置のｘ方向、ｙ方向、ｚ方向の分散を示している。

【0089】

（マウス原腸胚構造の再構築）
〈ＧＯにより分類された遺伝子群に基づく再構築〉
マウスの遺伝子が属する全１７９４０種のＧＯに対して、網羅的に再構築を行い成功率を算出した。１７９４０種のＧＯのうち、遺伝子群が１０００以下であり、かつ、入力としたマウス原腸胚遺伝子発現データのフィルタリング処理（２サンプル以上で、ＦＰＫＭ値が１より大きく、かつ、全サンプル間におけるｌｏｇ_１０（ＦＰＫＭ＋１）の分散値が０．０５より大きい遺伝子を取り出す処理）の後に残った５５８５遺伝子のうち３つ以上の遺伝子が含まれている６７７８種類のＧＯに対して独立に再構築実験を行ったところ、GO:0060412（ventricular septum morphogenesis：心室中隔形成）の成功率が最高値８４％を示した（図１６）。

【0090】

図１６は、フィルタリング処理された後の６７７８種類のＧＯに対する再構築実験の結果を示す図である。図１６の横軸はマウス原腸胚構造の再構築の成功率であり、縦軸は、細胞サンプル位置の分散である。

【0091】

さらに、高い成功率を示す遺伝子群を見つけるため、GO:0060412と当該ＧＯを除いた６７７７種類のＧＯとの間のすべてのペアに対して再構築を行ったところ２２のペアの成功率が８５％以上を示し、その最高値は９５％であった（図１７、図１８、図１９）。

【0092】

図１９は、GO:0060412を含むＧＯのペアに基づいた再構築結果を示す図である。図１９の横軸はマウス原腸胚構造の再構築の成功率（Success rate）、縦軸は細胞サンプル位置の分散（Variance）を示している。図１９の例では、２２のＧＯのペアが成功率８５％以上を示している。

【0093】

次に、この２２のＧＯから選択した２つのＧＯにＧＯ：００６０４１２を加えた３つのＧＯの組み合わせすべて（_２２Ｃ_２＝２３１通り）に対して同様の実験を行ったところ、成功率が９６％以上を示した組み合わせが５つあり、その最高値は９７％であった（図２０）。

【0094】

さらに、同じこの２２のＧＯから選択された３つ及び４つのＧＯとＧＯ：００６０４１２を加えた計４つもしくは計５つのＧＯの組み合わせ（_２２Ｃ_３＝１５４０通り、_２２Ｃ_４＝７３１５通り）に対して再構築を行ったところ、ＧＯの組み合わせ（GO:0060412、GO:0005021、GO:2000392（もしくはGO:2000394）、GO:0031994、GO:0070986）の場合に成功率が最高値９９％を示した（図２１、図２２）。ここで、GO:2000392とGO:2000394に含まれるフィルタリング後の遺伝子群は同一であった。また、成功率が１００％となる６つのＧＯの組み合わせ（_２２Ｃ_５＝２６３３４通り）は存在しなかった（図２３）。

【0095】

（遺伝子の除去と組み合わせた再構築）
上記で成功率が９９％を示した５つのＧＯの組み合わせには２０種類の遺伝子が含まれている（図２４）。ここで、さらにこの遺伝子群から１つまたは２つの遺伝子を除去した後に、同様の再構築実験を行ったところ、１つの遺伝子を除去した場合に成功率は減少したが、Arl13b(ADP-ribosylation factor-like 13B)とSmad7(SMAD family member 7)の２つを同時に除去したところ成功率が１００％に達した（図２５）。一方では、Id2(Inhibitor of DNA binding 2：ＤＮＡ結合阻害剤２)が単体で除去された場合には成功率が５０％、その他の遺伝子とペアで除去された場合には最小で８％まで減少したことから、Id2は再構築に有効な遺伝子であると考えられる（図２６）。

【0096】

図２７は、異なる遺伝子セットに対する再構築の成功率（Success rate）と細胞サンプル位置の分散（Variance）及び２種類の再構築モデル（Random（ランダムモデル）とSimilarity-based（類似度に基づいたモデル））を示す図である。GO:0060412に含まれる遺伝子群のみを用いた場合は成功率が８４％であったが、４つのＧＯを加え、さらに２つに遺伝子を除去した場合に、成功率がそれぞれ９９％と１００％となった。ランダムモデルは各出力ユニット内の細胞サンプルの位置はランダムに決定されているが、類似度に基づいたモデルは出力ユニットの重みベクトルと各細胞サンプルの特徴ベクトルの類似度が出力ユニットの重みベクトルの位置からの距離に反映されている。

【0097】

以上の実施形態等は、可能な限り組み合わせて実施され得る。

【0098】

〈コンピュータ読み取り可能な記録媒体〉
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。

【0099】

ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体内には、ＣＰＵ、メモリ等のコンピュータを構成する要素を設け、そのＣＰＵにプログラムを実行させてもよい。

【0100】

また、このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ／Ｗ、ＤＶＤ、ＤＡＴ、８mmテープ、メモリカード等がある。

【0101】

また、コンピュータ等に固定された記録媒体としてハードディスクやＲＯＭ等がある。

【符号の説明】

【0102】

９０ ：コンピュータ
９１ ：プロセッサ
９２ ：メモリ
９３ ：記憶部
９４ ：入力部
９５ ：出力部
９６ ：通信制御部
１００ ：組織高次元情報推定装置
１０２ ：取得部
１０４ ：抽出部
１０６ ：算出部
１０８ ：格納部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】

【図27】