WO2023190136A1 - 学習システム、決定システム、及び予測システム、並びに学習方法、決定方法、及び予測方法 - Google Patents

学習システム、決定システム、及び予測システム、並びに学習方法、決定方法、及び予測方法 Download PDF

Info

Publication number
WO2023190136A1
WO2023190136A1 PCT/JP2023/011772 JP2023011772W WO2023190136A1 WO 2023190136 A1 WO2023190136 A1 WO 2023190136A1 JP 2023011772 W JP2023011772 W JP 2023011772W WO 2023190136 A1 WO2023190136 A1 WO 2023190136A1
Authority
WO
WIPO (PCT)
Prior art keywords
biomarker
sequence
sequences
learning
score
Prior art date
Application number
PCT/JP2023/011772
Other languages
English (en)
French (fr)
Inventor
ジャンマジェイ シン
Original Assignee
富士フイルム株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 富士フイルム株式会社 filed Critical 富士フイルム株式会社
Publication of WO2023190136A1 publication Critical patent/WO2023190136A1/ja

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M1/00—Apparatus for enzymology or microbiology
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M1/00—Apparatus for enzymology or microbiology
    • C12M1/34—Measuring or testing with condition measuring or sensing means, e.g. colony counters
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
    • C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
    • C12N15/09—Recombinant DNA-technology
    • C12N15/11—DNA or RNA fragments; Modified forms thereof; Non-coding nucleic acids having a biological activity
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6844—Nucleic acid amplification reactions
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Definitions

  • the present invention relates to a technique for measuring the value of a biomarker.
  • methylation occurs in DNA (deoxyribonucleic acid). Methylation refers to a modification in which a methyl molecule chemically binds to cytosine. Cytosine (C), together with guanine (G), adenine (A), and thymine (T), constitutes four essential nucleobases that make up DNA. Any sequence of nucleobases is called a “nucleotide sequence,” and nucleotide sequences that encode important information such as proteins are called “genomic sequences" or “genes.”
  • methylation is particularly common where cytosine follows guanine on the DNA strand (called "CpG sites"). Methylation status influences gene activation or repression, and the methylation status of CpG sites in certain genes forms important biomarkers for many diseases.
  • data obtained from a combination of several biomarker candidate sequences is used to create a quantitative model for disease diagnosis. Therefore, it is important to measure DNA methylation as a biomarker.
  • Patent Document 1 describes selecting and evaluating a biomarker set from representative biomarker data. Furthermore, Non-Patent Document 1 describes the measurement and mitigation of PCR bias (PCR: polymerase chain reaction).
  • each "signal” is a gene or sequence of interest.
  • the number of such sequences is very small, so the derived signal is weak. Therefore, it is possible to increase the number of sequences and amplify the signal by copying the original sequence many times.
  • G1_pre the signal intensity of gene 1 before PCR
  • G1_post the signal intensity after PCR
  • gene 1 has some sequences with CpG as unmethylated, which are converted to another sequence containing uracil. Similarly, sequences where CpGs are methylated are not converted. This is common and seen in a mixture of liver and stomach DNA. In such a mixture, genes important to the liver may be unmethylated in hepatocytes but methylated (and thus repressed) in gastric cells.
  • the strength of the pre-PCR signal and the strength of the post-PCR signal are set as G1_U_Pre and G1_U_post (if not methylated), and G1_M_Pre and G1_M_post (if methylated), and the decoded sequence is G1_M_Pre and G1_M_post.
  • the present invention is particularly important in cases where simultaneous and highly accurate measurements of DNA methylation from multiple genes are required, such as in liquid biopsies.
  • certain cancer cell genes are known to exhibit high methylation compared to the same genes in healthy cells.
  • Problem 2 means that in such cases the measurement underestimates the true methylation ratio from the mixture of cancer and normal DNA (negative bias).
  • Problems 1 and 3 further exacerbate the degree of underestimation.
  • the present invention has been made in view of the above circumstances, and one form thereof provides a learning system and a learning method for learning measurement error characteristics of biomarker sequences. Further, one form of the present invention provides a determination system and determination method that determines a sequence set by reflecting learned error characteristics, and predicts measurement error characteristics of gene sequences using data obtained by the learning system or learning method. A prediction system and a prediction method are provided.
  • a learning system is a learning system for learning the relationship between measurement protocol variables and resultant error characteristics of a biomarker array, the learning system comprising a processor, the processor comprising: Enter calibration data designed to ensure that appropriate data are available for the variables, use a probabilistic model to learn the characteristics of the error distribution across each measurement protocol for the variables of interest, and the probabilistic model
  • the first parameter is initialized with appropriately selected a priori parameters to model the error of and a third parameter initialized with appropriately selected a priori parameters to model overall PCR bias.
  • a learning system is a system that learns a relationship between measurement protocol variables and resulting error characteristics of a biomarker sequence (defined as template-to-product ratio).
  • a "variable of significance” is a variable that is known by laboratory experts to affect signal amplification performance;
  • the PCR device is calibrated.
  • the PCR temperature and the number of PCR cycles as shown in FIG. 2, which will be described later, are examples of "important variables.” If the temperature is too high, the DNA will degrade and the reactions necessary to replicate the target gene sequence will not occur.
  • the same parameter may be used as the "appropriately selected a priori parameter”.
  • “input of calibration data” for example, in the case of PCR temperature, it is necessary that appropriate display is possible within the temperature range used in normal PCR.
  • the second parameter separately acquires counts of methylated sequences and unmethylated sequences of the gene after bisulfite conversion, and uses the acquired counts as These are parameters modeled using a multinomial distribution that allows prior variables to be determined separately for each methylated sequence and non-methylated sequence.
  • the second aspect is to specify a specific aspect of the second parameter in order to deal with problem 2 mentioned above, by modeling and correcting the error of bisulfite conversion, and correcting the methylation of the biomarker sequence. It allows for evaluation.
  • better a priori variables can be selected from empirical data analysis. Note that the counts obtained in the second aspect can be modeled based on factors such as the GC ratio (guanine to cytosine ratio) of the base sequence.
  • the third parameter is an individual count of the counts calculated by a multinomial distribution when a plurality of sequences are simultaneously amplified using a universal primer.
  • This parameter is subject to a configuration data constraint such that the sum of the values follows a Gaussian distribution.
  • the third aspect is to define a specific aspect of the second parameter in order to deal with the problem 3 mentioned above.
  • the sum of each count in multiple distributed counts follows a Gaussian distribution.
  • the count values of individual markers are not independent, but the amplification method is such that the total value is approximately constant, so modeling using multinomial distribution as described above is suitable. .
  • modeling is performed for the count value of the number of markers x 2.
  • a decision system is a decision system comprising a processor, the processor inputting the nucleotide sequence and measurement protocol information of the biomarker sequence of interest for use in the multiplexed panel;
  • the learned error characteristics and metadata associated with the error characteristics are input from the learning system according to any one of the third aspects, and the nucleotide sequence and measurement protocol information are input using predetermined criteria.
  • the learned error characteristics, and the metadata to output a first score for the set of possible biomarker sequences, and consider the value of the first score for each set to determine the biomarker sequence. Decide on the set.
  • a decision system uses the output from the system according to the first aspect to decide whether to use a biomarker sequence in a multiplex panel.
  • the first score is a score derived from measurement accuracy, and is a "low error score" which has a higher value as the measurement error is smaller.
  • the processor inputs a second score for each biomarker sequence to be determined, and inputs a first score for each biomarker sequence in the biomarker sequence set.
  • the best subset of multiplexed panels is selected by optimizing the balance between the first score and the second score.
  • the decision system according to the fifth aspect enhances the fourth aspect to enable a more balanced selection of biomarker sequences by considering the ultimate goal of the multiplex panel.
  • the second score is, for example, a higher score (relevance score) as the degree of association with the disease to be predicted is greater.
  • the "balance between the first score and the second score" is calculated by calculating the third score defined by the arithmetic mean or geometric mean of the first score and the second score, and Optimization can be achieved by maximizing the score.
  • a prediction system is a prediction system for predicting measurement error characteristics of a gene sequence, comprising a processor, the processor comprising a nucleotide sequence and a nucleotide sequence of a biomarker sequence of interest to be used in a multiplexed panel.
  • the measurement protocol information is input, the learned error characteristics and the metadata associated with the error characteristics are input from the learning system according to any one of the first to third aspects, and the error characteristics between the two gene sequences are input.
  • the metric for calculating similarity measures is used to calculate the similarity between the new biomarker sequences and the biomarker sequences previously included in the calibration data, and to apply the calculated similarity to other relevant Used in combination with the input and learned error characteristics to predict error characteristics when measuring biomarker sequences not included in the calibration data.
  • the prediction system according to the sixth aspect allows the learning systems according to the first to third aspects to be used for biomarker sequences that were not included in the calibration data.
  • other related input means, for example, metadata corresponding to a biomarker sequence.
  • the gene type is "promoter or enhancer”
  • the CpG type is "island, shore, shelf”
  • the CG abundance is "high, low”
  • the combination can be represented as a vector "promoter, island, low”.
  • the prediction system according to the seventh aspect is the sixth aspect, wherein the processor uses the predicted error characteristics to determine which biomarker sequences are most similar to those available in the calibration data that are not included in the calibration data. information on the obtained biomarker sequence is reflected in the determination of a biomarker sequence set in the determination system according to the fourth or fifth aspect.
  • using the determination system according to the fourth or fifth aspect it is possible to use a biomarker sequence that is not included in the calibration data in selecting a biomarker sequence set.
  • a learning method is a learning method performed by a learning system that includes a processor and learns a relationship between a measurement protocol variable and an error characteristic that occurs as a result of a biomarker array. enters calibration data designed to ensure that adequate data are available for the variables of interest (calibration data entry step) and uses a probabilistic model to estimate the error distribution across each measurement protocol for the variables of interest. After learning the characteristics (learning step), the probabilistic model uses the interaction of the first parameter initialized with appropriately selected a priori parameters and the amplification of the biomarker sequence to model the error of the bisulfite conversion.
  • the second parameter was initialized with an appropriately selected a priori parameter to model the dependence and the second parameter was initialized with an appropriately selected a priori parameter to model overall PCR bias. and a third parameter.
  • the eighth aspect defines a learning method corresponding to the first aspect described above.
  • the second parameter separately acquires counts of methylated sequences and unmethylated sequences of the gene after bisulfite conversion, and These are parameters modeled using a multinomial distribution that allows prior variables to be determined separately for each methylated sequence and non-methylated sequence.
  • the ninth aspect defines a learning method corresponding to the second aspect described above.
  • the third parameter is an individual count of the counts calculated by a multinomial distribution when a plurality of sequences are simultaneously amplified using a universal primer.
  • This parameter is subject to a configuration data constraint such that the sum of the values follows a Gaussian distribution.
  • the tenth aspect defines a learning method corresponding to the third aspect described above.
  • a determination method is a determination method performed by a determination system comprising a processor, wherein the processor determines the nucleotide sequence and measurement protocol information of a biomarker sequence of interest to be used in a multiplexed panel.
  • input sequence information input step
  • input learned error characteristics and metadata associated with the error characteristics obtained as a result of the learning method according to any one of the eighth to tenth aspects learning result input step
  • using the input nucleotide sequences using predetermined criteria, measurement protocol information, learned error characteristics, and metadata to create a first set of possible biomarker sequences.
  • a score is output (score output step), and a biomarker sequence set is determined by considering the first score value for each set (sequence set determination step).
  • the eleventh aspect defines a determination method corresponding to the fourth aspect described above.
  • the prediction method according to the fourteenth aspect is the thirteenth aspect, wherein the processor uses the predicted error characteristics to determine which biomarker sequences are available in the calibration data that are most similar to biomarker sequences not included in the calibration data.
  • the obtained biomarker sequence is acquired (sequence acquisition step), and the information on the acquired biomarker sequence is reflected in the determination of a biomarker sequence set in the determination method according to the eleventh or twelfth aspect (information reflection step).
  • the fourteenth aspect defines a prediction method corresponding to the seventh aspect described above.
  • a wet experiment protocol 20 is used to obtain calibration data consisting of important measurement protocol variables such as PCR temperature and number of PCR cycles. It is necessary to create a . Preferably, this calibration data is designed such that appropriate data is available for variables of interest. Finally, the sequence measurement results are stored in a calibration data DB 30 (DB) along with protocol information (hereinafter, the database may be referred to as "DB"). Note that in FIG. 2, a part of the calibration data creation procedure is omitted for clarity.
  • the present invention characterizes the measurement error of biomarker sequences by detailing the operation of probabilistic models and estimating the "template-to-product” ratio.
  • “Template” refers to the initial amount of a biomarker sequence (amount before PCR amplification)
  • product refers to the final amount of the same biomarker sequence after PCR amplification (amount after PCR amplification).
  • the processor 110 may include a display control section, a communication control section, an output control section, etc. (not shown).
  • the learning system 100 may include a display device (for example, a liquid crystal monitor) and an operation device (for example, a mouse and a keyboard) that are not shown.
  • the display device can display calibration data, error distribution data, etc., and the user can perform operations necessary to execute the learning method (learning program) according to the present invention via the operation unit. I can do it.
  • FIG. 3 described above shows blood sample data 11, which is any biological data including tissue samples.
  • blood sample data 11 is measured using the measurement procedure that includes STEP 1 and STEP 2 described above, plus DNA sequencing. It has several influencing variables (variables of importance). Since it is necessary to obtain data from several values of such variables, the relevant variables are first identified and measurements are taken over a range of these values. For example, if the number of PCR cycles is the only variable of interest, data can be generated for the same blood sample for 5, 10, and 15 PCR cycles. This is so-called calibration data.
  • the learning system 100 is tuned through a set of hyperparameters (hyperparameters 40) according to an optimization method (such as a loss function for minimization). Such tuning is done by ascertaining the final performance of the system and selecting hyperparameters that maximize it.
  • the learning system 100 described above may be accompanied by a decision system 200 (decision system) and a prediction system 300 (prediction system), as shown in FIG. Adding these decision and prediction systems to the learning system 100 is a recommended option.
  • the decision system 200 and the prediction system 300 the best subset of candidate biomarkers can be found by the decision system 200 using, for example, the error characteristics learned by the learning system 100 (including the learning result input step and the score (by carrying out the determination method according to the invention, including an input step, a subset selection step, etc.), thereby informing the selection criteria of the biomarker sequences (including an information reflection step, etc.) prediction system 300), can help effectively utilize the learning system 100.
  • the sequence information input unit 212 (processor) of the determination system 200 inputs the nucleotide sequence of the biomarker sequence of interest and measurement protocol information (sequence information input step), and the learning result input unit 214 (processor) inputs the learned error characteristics and metadata associated with the error characteristics from the learning system 100 (learning result input step).
  • the score output unit 216 (processor) independently considers the learned measurement error characteristics, and generates a score (measurement error score; first (one example of a score) can be assigned to each biomarker sequence (score output step).
  • the sequence set determining unit 218 can sum up the scores (first score) from the order of each biomarker and determine whether to use the combination (biomarker sequence set) (sequence set determining step).

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Organic Chemistry (AREA)
  • Biotechnology (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Immunology (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Medicinal Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Sustainable Development (AREA)
  • Hematology (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Urology & Nephrology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Cell Biology (AREA)

Abstract

本発明の一形態は、学習システム、決定システム、及び予測システム、並びに学習方法、決定方法、及び予測方法を提供する。ＤＮＡのメチル化測定においては、バイサルファイト変換の不完全性の問題（問題１）と、いくつかの異なるバイオマーカー配列／遺伝子が一緒に増幅された場合にバイアスが生じる問題（問題２）と、非メチル化シグナルの過剰増幅の程度が、遺伝子配列そのものと、測定に用いられる化学物質とに依存するという問題（問題３）が存在する。本発明の一態様では、３つの問題が存在する中で測定誤差特性を学習し、学習した誤差特性をバイオマーカー選択基準に反映させるシステム及びそのシステムに対応する方法を提供する。問題１～３の組合せが存在する下でのＤＮＡのメチル化に対する測定誤差特性評価の問題に取り組むことは、本発明の主要な新規性を形成する。

Description

学習システム、決定システム、及び予測システム、並びに学習方法、決定方法、及び予測方法
　本発明は、バイオマーカーの値を測定する技術に関する。
　ＤＮＡ（deoxyribonucleic acid）では、「メチル化」と呼ばれる現象が起きることが知られている。メチル化とは、メチル分子がシトシンに化学的に結合することによる修飾をいう。このシトシン（Ｃ：cytosine）は、グアニン（Ｇ：guanine）、アデニン（Ａ：adenine）、チミン（Ｔ：thymine）と共に、ＤＮＡを構成する４つの必須核酸塩基を構成する。核酸塩基の任意の配列は「ヌクレオチド配列」と呼ばれ、タンパク質などの重要な情報をコードするヌクレオチド配列は「ゲノム配列」または「遺伝子」と呼ばれる。
　ヒトでは、ＤＮＡストランド上でシトシンがグアニンに続く場所（「ＣｐＧサイト」と呼ばれる）では、メチル化がとりわけ一般的である。メチル化状態は遺伝子の活性化または抑制化に影響し、ある種の遺伝子のＣｐＧサイトのメチル化状態は、多くの疾患の重要なバイオマーカーを形成する。通常、疾患診断の定量的モデルを作製するために、幾つかのバイオマーカー候補配列の組合せから得られたデータが用いられる。このため、バイオマーカーのＤＮＡメチル化を測定することが重要になる。
　ＤＮＡの測定過程ではデータに誤りが加わり、どんな推測/予測の信頼性にも影響を与える。バイオマーカーの選択を最適化するための従来の研究は、測定プロセスにおいてほんのわずかな誤りを想定し、利用可能なデータの予測値のみに焦点を当てている。このような方法の例としては、（Artificial Intelligence分類器の性能のような）定量モデルからの出力信号に頼って、分類のための特徴としてバイオマーカー配列を使用するかどうかを決定する特徴選択アルゴリズムが知られている。
　このような従来の技術に関し、例えば特許文献１では、代表的なバイオマーカーデーターからバイオマーカーセットを選択して評価することが記載されている。また、非特許文献１には、ＰＣＲバイアス（ＰＣＲ：polymerase chain reaction）の測定及び緩和について記載されている。
特表２０１７－５２３４３７号公報
"Measuring and Mitigating PCR Bias in Microbiome Data"、 Justin D. Silverman他、［２０２２年３月２２日検索］、インターネット（https://www.biorxiv.org/content/10.1101/604025v1）
　次のセクションでは、バイオマーカー配列（シークエンス）の測定誤差特性を学習しようとした先行研究について詳細に議論する。これらの先行研究とそれらに関連する問題について論じ、それぞれの段階の詳細な説明を行う。
　［ＤＮＡのメチル化測定］
　メチル化測定の概要を図１に示す。メチル化の測定では、血液サンプル１０がバイサルファイト変換され、ＰＣＲ装置で遺伝子/シグナルが増幅され、次世代シーケンサー等で測定される。これら一連の測定手順は、湿式実験プロトコル２０（wet experiment protocol）を構成する。
　［ＳＴＥＰ１：バイサルファイト変換］
　Ｃｍ（メチル化シトシン）とＣｕ（非メチル化シトシン）を区別するために、バイサルファイト変換（Bisulfite conversion）の追加ステップが使用される。バイサルファイト変換では、Ｃｕはウラシル（Ｕ：uracil）に変換され、ＣｍはＣｍのままである。変換されたサンプルがシーケンス化されると、ＣｍはＣ（シトシン）として読み出され、一方、ウラシルはチミンとして読み出される。これにより、シトシンのメチル化状態を区別することが可能になる。
　［問題１：バイサルファイト変換における問題］
　この手順の理想的な結果は、Ｃｕが１００％ウラシルに変換され、Ｃｍは全くウラシルに変換されないこと（変換が０％であり、ＣｍがＣｍのまま）である。しかし、化学反応の性質上、変換の成功（または不成功）の程度は確率論的であり、定量的な研究は困難である。このような、バイサルファイト変換の不完全性を、以下「問題１」という。
　［ＳＴＥＰ２：ＰＣＲ増幅］
　この段階は、測定のシグナル増幅段階と理解することができる。標準的には（つまり、メチル化のためではなく、バイサルファイト変換をしなければ）、それぞれの「信号」は興味のある遺伝子または配列である。生のデータでは、このような配列の数は非常に少ないので、派生した信号は弱い。そのため、元の配列を何度もコピーすることで、配列数を増やし、シグナルを増幅することが考えられる。例えば、ＰＣＲ前の遺伝子１のシグナル強度をG1_preと呼び、ＰＣＲ後のシグナル強度をG1_postと呼ぶことにする。なお、実際には、多くの遺伝子/シグナルを同時に増幅することに焦点を当てる。したがって、遺伝子２に関し、G2_preとG2_postを遺伝子１と同様に定義する。
　さて、まず上述のＳＴＥＰ１を行うと、たった１つの遺伝子でも2つのシグナルが得られる。例えば、遺伝子１は、ウラシルを含む別の配列に変換される、非メチル化としてＣｐＧを有するいくつかの配列を持つ。同様に、ＣｐＧがメチル化されている配列は変換されない。これは一般的であり、肝臓と胃のＤＮＡの混合物でみられる。そのような混合物では、肝臓に重要な遺伝子が肝細胞ではメチル化されていないが、胃細胞ではメチル化されている（したがって抑制されている）可能性がある。そこで、遺伝子１に関し、ＰＣＲ前信号の強さとＰＣＲ後信号の強さをG1_U_Pre およびG1_U_postとし（メチル化されていない場合）、G1_M_Pre およびG1_M_postとし（メチル化されている場合）、解読された配列をG1_M_Pre およびG1_M_post とする。
　［問題２：単一バイサルファイトプロトコルにおけるＰＣＲバイアス］
　同じ遺伝子のシグナルを増幅しても、バイサルファイト変換は２つのシグナルタイプになる。したがって、G1_U_post/G1_U_pre = G1_M_post/G1_M_preは成り立たない。G1_U_pre = G1_M_preの場合であっても、増幅後は、G1_U_post/G1_U_pre > G1_M_post/G1_M_preとなる（すなわち、非メチル化遺伝子が、メチル化遺伝子に対して過剰に増幅される）ことが知られている。しかし、このような非メチル化シグナルの過剰増幅の程度は、遺伝子配列そのものと、測定に用いられる化学物質とに依存する。この問題を、以下「問題２」と呼ぶ。
　［問題３：ＰＣＲ増幅における問題］
　ＰＣＲの理想的な結果は、G1_post/G1_pre = G2_post/G2_preである。しかし実際には、ある種の遺伝子配列は他のものよりも測定しやすく、この等価性は成立しない。このような、いくつかの異なるバイオマーカー配列/遺伝子が一緒に増幅された場合に生じるバイアスを、多重化プロトコルにおける「ＰＣＲバイアス」と呼ぶ（以下、「問題３」という）。
　［従来の技術における対応］
　上述した問題１～３に対する従来技術での対応を説明する。従来技術では、問題１に関し、定量的な研究にはしばしば極端な正確さが必要とされず、したがって、バイサルファイト変換の成功の程度を考慮していなかった。また、問題３に関し、これまでの微生物学の研究では、ＰＣＲの効果を掛け算的に考えていた。すなわち、従来の技術では、もし１回のＰＣＲサイクル後の遺伝子１のシグナル強度がｊであれば、２回のサイクル後のシグナル強度はｊ２であり、ｘ回のサイクル後のシグナル強度は同様にｊｘであると考えていた。この仮定を用いて、ＰＣＲは、多項ロジスティック‐通常線形モデルを用いた対数線形過程としてモデル化された。「バッチ効果」（バッチごとにわずかに異なるバイアス特性を示す標本に対するＰＣＲ）などの他の共変量も確率論的な方法で含まれた。モデルは、生成された較正データを「訓練」した後、ＰＣＲバイアスの補正に使用される。
　また、問題２に関しては、単一プロトコル設定における測定誤差とバイアスの特徴付けはより簡単であるため、一部のＰＣＲデータでは、バイアスの度合いを見出すために線形回帰を行っている。線形回帰推定量を計算した後、この方程式を用いてこのようなバイアスを補正することができる。
　ＤＮＡメチル化の正確な測定の重要性はすでに述べた。病気診断のような応用分野では、複数のバイオマーカー配列のデータを用い、定量モデルに入力することは珍しいことではない。複数のバイオマーカーのメトリクス値を同時に測定する測定プロセスを設計する際は、問題１、問題２、問題３が組み合わされてしまい、これらの全てが問題となる。このため、誤差の定量化と学習誤差の特性が非常に困難になる。本発明では、３つの問題が存在する中で測定誤差特性を学習し、学習した誤差特性をバイオマーカー選択基準に反映させるシステムを検討する。この問題の組合せが存在する下でのＤＮＡのメチル化に対する測定誤差特性評価の問題に取り組むことは、本発明の主要な新規性を形成する。
　本発明は、液体生命学（リキッドバイオプシー）のように、複数の遺伝子からのＤＮＡメチル化の同時的で非常に正確な測定が必要な場合に、特に重要となる。特に、癌のような疾患の正確な同定のために、ある種の癌細胞遺伝子は、健康な細胞における同じ遺伝子と比較して高いメチル化を示すことが知られている。問題２は、そのような場合、測定が、がんと正常なＤＮＡの混合から真のメチル化比を過小評価する（負のバイアス）ことを意味する。問題１と問題３は、過小評価の度合いをさらに悪化させる。
　本発明は上記事情に鑑みてなされたもので、その一形態は、バイオマーカー配列の測定誤差特性を学習する学習システム及び学習方法を提供する。また、本発明の一形態は、学習した誤差特性を反映して配列セットを決定する決定システム及び決定方法、並びに学習システムあるいは学習方法により得られたデータを用いて遺伝子配列の測定誤差特性を予測する予測システム及び予測方法を提供する。
　本発明の第１の態様に係る学習システムは、測定プロトコル変数と、バイオマーカー配列の結果として生じる誤差特性との関係を学習する学習システムであって、プロセッサを備え、プロセッサは、重要性のある変数について適切なデータが入手できるように設計された較正データを入力し、確率モデルを用いて、重要性のある変数について各測定プロトコルにわたる誤差分布の特性を学習し、確率モデルは、バイサルファイト変換の誤差をモデル化するために、適切に選択された事前パラメータで初期化された第１のパラメータと、バイオマーカー配列の増幅の相互依存性をモデル化するために、適切に選択された事前パラメータで初期化された第２のパラメータと、ＰＣＲ全体のバイアスをモデル化するために、適切に選択された事前パラメータで初期化された第３のパラメータと、を含む。第１の態様に係る学習システムは、測定プロトコル変数とバイオマーカー配列の結果として生じる誤差特性の間の関係（テンプレート対プロダクト比と定義される）を学習するシステムである。
　第１の態様及び以下の各態様において、「重要性のある変数」とは、信号増幅性能に影響を与えることが実験室の専門家によって知られている変数であり、そのような変数について、ＰＣＲ装置が調整される。例えば、後述する図２に示すようなＰＣＲ温度やＰＣＲサイクル数は「重要性のある変数」の一例である。温度が高すぎると、ＤＮＡが分解され、標的遺伝子配列を複製するために必要な反応が起こらない。また、第１～第３のパラメータに関し、「適切に選択された事前パラメータ」として同じパラメータを用いてよい。また、「較正データ（キャリブレーションデータ）の入力」に関し、例えばＰＣＲ温度の場合、通常のＰＣＲで使用される温度の範囲で適切な表示が可能であることを要する。
　第２の態様に係る学習システムは第１の態様において、第２のパラメータは、バイサルファイト変換後の遺伝子のメチル化配列及び非メチル化配列のカウントを別々に取得し、取得されたカウントを、メチル化配列及び非メチル化配列の各配列について、事前変数を別々に決定できる多項分布でモデル化したパラメータである。第２の態様は、上述した問題２に対応するための第２のパラメータの具体的態様を規定するもので、バイサルファイト変換の誤差をモデル化及び修正して、バイオマーカー配列のメチル化を正しく評価できるようにするものである。第２の態様では、経験的なデータ分析から、より優れた事前変数を選択することができる。なお、第２の態様において取得されたカウントは、塩基配列のＧＣ比（グアニンとシトシンの比）のような要因に基づいてモデル化することができる。
　第３の態様に係る学習システムは第１または第２の態様において、第３のパラメータは、ユニバーサルプライマーを用いて複数の配列を同時に増幅する場合に、多項分布で計算されたカウントの個々のカウントの合計がガウス分布に従う、という構成データ制約が課されたパラメータである。第３の態様は、上述した問題３に対応するための第２のパラメータの具体的態様を規定するもので、複数のバイオマーカーの数が多く、構成データ制約が計算可能になるようにモデリングパラメータを単純化する場合、複数の分散カウントにおける各カウントの合計はガウス分布に従う。また、複数の配列を同時に増幅する場合、個々のマーカーのカウント値が独立ではなく、合計値がほぼ一定になるような増幅の仕方をするため、上記のような多項分布によるモデリングが適している。さらに、バイサルファイト変換を伴うメチル化計測においては、各マーカーがメチル化、非メチル化の２状態があるため、マーカー数×２のカウント値に対するモデリングになる。
　本発明の第４の態様に係る決定システムは、プロセッサを備える決定システムであって、プロセッサは、多重化パネルで使用する、関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し、第１から第３の態様のいずれか１つに係る学習システムから、学習された誤差特性、及び誤差特性に関連付けられたメタデータを入力し、あらかじめ決められた基準を用いて入力したヌクレオチド配列、測定プロトコル情報、学習された誤差特性、及びメタデータを使用して、可能なバイオマーカー配列のセットのための第１のスコアを出力し、各セットについての第１のスコアの値を考慮してバイオマーカー配列セットを決定する。第４の態様に係る決定システムでは、多重パネルでバイオマーカー配列を使用するかどうかを決定するために、第１の態様に係るシステムからの出力を使用する。第１のスコアは測定精度に由来するスコアであり、測定誤差が小さいほど高い値となる「低誤差スコア」である。
　第５の態様に係る決定システムは第４の態様において、プロセッサは、決定すべきバイオマーカー配列ごとに、第２のスコアを入力し、バイオマーカー配列セットにおける各バイオマーカー配列についての第１のスコアを考慮して、第１のスコアと第２のスコアとのバランスを最適化することにより多重化パネルのベストなサブセットを選択する。第５の態様に係る決定システムでは、マルチプレックスパネルの最終目標を考慮することにより、バイオマーカー配列の、よりバランスの取れた選択を可能にするために、第４の態様を増強する。第２のスコアは、たとえば予測したい疾患との関連度が大きいほど高いスコア（関連度スコア）である。また、「第１のスコアと第２のスコアのバランス」は、例えば第１のスコアと第２のスコアの相加平均や相乗平均で規定される第３のスコアを算出し、その第３のスコアを最大化することにより、最適化することができる。
　本発明の第６の態様に係る予測システムは、遺伝子配列の測定誤差特性を予測する予測システムであって、プロセッサを備え、プロセッサは、多重化パネルで使用する、関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し、第１から第３の態様のいずれか１つに係る学習システムから、学習された誤差特性、及び誤差特性に関連付けられたメタデータを入力し、２つの遺伝子配列間の類似性の尺度を計算するための測定基準を用いて、以前に較正データに含まれていたバイオマーカー配列と新たなバイオマーカー配列との類似度を計算し、計算した類似度を他の関連する入力及び学習された誤差特性と組み合わせて使用して、較正データに含まれていないバイオマーカー配列を測定する際の誤差特性を予測する。第６の態様に係る予測システムは、第１～第３の態様に係る学習システムを、較正データに含まれていなかったバイオマーカー配列に使用することを可能にする。
　なお、第６の態様において「他の関連する入力」とは、例えばバイオマーカー配列に対応するメタデータを意味する。例えば、遺伝子タイプが「プロモーターもしくはエンハンサー」であり、ＣｐＧタイプが「アイランド、ショア、シェルフ」であり、ＣＧの豊富さが「高、低」であれば、あるバイオマーカー配列Ｇ１についてのこれらの情報の組み合わせ（メタデータの一例）は、「プロモーター、アイランド、低」というベクトルとして表すことができる。
　第７の態様に係る予測システムは第６の態様において、プロセッサは、予測された誤差特性を使用して、較正データに含まれていないバイオマーカー配列と最も類似する、較正データにおいて利用可能であったバイオマーカー配列を取得し、取得したバイオマーカー配列の情報を、第４または第５の態様に係る決定システムにおけるバイオマーカー配列セットの決定に反映する。第７の態様では、第４または第５の態様に係る決定システムを用いて、バイオマーカー配列セット選択において、較正データに含まれていないバイオマーカー配列を使用できるようにする。
　本発明の第８の態様に係る学習方法は、プロセッサを備え、測定プロトコル変数と、バイオマーカー配列の結果として生じる誤差特性との関係を学習する学習システムにより実行される学習方法であって、プロセッサが、重要性のある変数について適切なデータが入手できるように設計された較正データを入力し（較正データ入力ステップ）、確率モデルを用いて、重要性のある変数について各測定プロトコルにわたる誤差分布の特性を学習し（学習ステップ）、確率モデルは、バイサルファイト変換の誤差をモデル化するために、適切に選択された事前パラメータで初期化された第１のパラメータと、バイオマーカー配列の増幅の相互依存性をモデル化するために、適切に選択された事前パラメータで初期化された第２のパラメータと、ＰＣＲ全体のバイアスをモデル化するために、適切に選択された事前パラメータで初期化された第３のパラメータと、を含む。第８の態様は、上述した第１の態様に対応する学習方法を規定するものである。
　第９の態様に係る学習方法は第８の態様において、第２のパラメータは、バイサルファイト変換後の遺伝子のメチル化配列及び非メチル化配列のカウントを別々に取得し、取得されたカウントを、メチル化配列及び非メチル化配列の各配列について、事前変数を別々に決定できる多項分布でモデル化したパラメータである。第９の態様は、上述した第２の態様に対応する学習方法を規定するものである。
　第１０の態様に係る学習方法は第８または第９の態様において、第３のパラメータは、ユニバーサルプライマーを用いて複数の配列を同時に増幅する場合に、多項分布で計算されたカウントの個々のカウントの合計がガウス分布に従う、という構成データ制約が課されたパラメータである。第１０の態様は、上述した第３の態様に対応する学習方法を規定するものである。
　本発明の第１１の態様に係る決定方法は、プロセッサを備える決定システムにより実行される決定方法であって、プロセッサは、多重化パネルで使用する、関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し（配列情報入力ステップ）、第８から第１０の態様のいずれか１つに係る学習方法の結果として得られる、学習された誤差特性、及び誤差特性に関連付けられたメタデータを入力し（学習結果入力ステップ）、あらかじめ決められた基準を用いて入力したヌクレオチド配列、測定プロトコル情報、学習された誤差特性、及びメタデータを使用して、可能なバイオマーカー配列のセットのための第１のスコアを出力し（スコア出力ステップ）、各セットについての第１のスコアの値を考慮してバイオマーカー配列セットを決定する（配列セット決定ステップ）。第１１の態様は、上述した第４の態様に対応する決定方法を規定するものである。
　第１２の態様に係る決定方法は第１１の態様において、プロセッサは、決定すべきバイオマーカー配列ごとに、第２のスコアを入力し（スコア入力ステップ）、バイオマーカー配列セットにおける各バイオマーカー配列についての第１のスコアを考慮して、第１のスコアと第２のスコアとのバランスを最適化することにより多重化パネルのベストなサブセットを選択する（サブセット選択ステップ）。第１２の態様は、上述した第５の態様に対応する決定方法を規定するものである。
　本発明の第１３の態様に係る予測方法は、プロセッサを備え、遺伝子配列の測定誤差特性を予測する予測システムにより実行される予測方法であって、プロセッサは、多重化パネルで使用する、関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し（配列情報入力ステップ）、第８から第１０の態様のいずれか１つに係る学習方法により得られた、学習された誤差特性、及び誤差特性に関連付けられたメタデータを入力し（学習結果入力ステップ）、２つの遺伝子配列間の類似性の尺度を計算するための測定基準を用いて、以前に較正データに含まれていたバイオマーカー配列と新たなバイオマーカー配列との類似度を計算し（類似度計算ステップ）、計算した類似度を他の関連する入力及び学習された誤差特性と組み合わせて使用して、較正データに含まれていないバイオマーカー配列を測定する際の誤差特性を予測する（誤差特性予測ステップ）。第１３の態様は、上述した第６の態様に対応する予測方法を規定するものである。
　第１４の態様に係る予測方法は第１３の態様において、プロセッサは、予測された誤差特性を使用して、較正データに含まれていないバイオマーカー配列と最も類似する、較正データにおいて利用可能であったバイオマーカー配列を取得し（配列取得ステップ）、取得したバイオマーカー配列の情報を、第１１または第１２の態様に係る決定方法におけるバイオマーカー配列セットの決定に反映する（情報反映ステップ）。第１４の態様は、上述した第７の態様に対応する予測方法を規定するものである。
　なお、上述した態様の学習方法、決定方法、及び予測方法をプロセッサに実行させるプログラム（学習プログラム、決定プログラム、予測プログラム）、及びそれらプログラムのコンピュータ読み取り可能なコードを記録した非一時的記録媒体も、本発明の範囲に含まれる。
　以上説明したように、本発明に係る学習システム、決定システム、及び予測システム、並びに学習方法、決定方法、及び予測方法は、以下の効果を有する。
（１）複数の遺伝子配列を一緒に測定して多重化されたパネルを扱うことができる。
（２）バイサルファイト変換されたサンプルを処理することができる。
（３）配列パラメータとプロトコルパラメータを入力として使用して、測定誤差を予測することができる。
（４）配列を分析/分類の目的に使用するかどうかを決定することができる。
図１は、ＤＮＡのメチル化を測定する様子を示す図である。 図２は、較正データを作成する様子を示す図である。 図３は、学習システム、及び学習システムに関連するデータを示す図である。 図４は、学習システムの構成を示す図である。 図５は、確率モデルの実施形態を示す図である。 図６は、決定システムと予測システムとの関係を示す図である。 図７は、決定システムの構成を示す図である。 図８は、予測システムの構成を示す図である。
　以下、本発明の実施形態を説明する。説明においては、必要に応じて添付図面が参照される。なお、添付図面において、説明の便宜上一部の構成要素の記載を省略する場合がある。
　［較正データの作成］
　本発明においては、図２に示すように、まず、血液サンプル１０から、湿式実験プロトコル２０（wet experiment protocol）により、ＰＣＲ温度やＰＣＲサイクル数のような重要な測定プロトコル変数によって構成される較正データを作成することを必要とする。この較正データは、重要性のある変数について適切なデータが入手できるように設計されていることが好ましい。最終的には、配列の測定結果を、プロトコル情報と共に較正データＤＢ３０（ＤＢ：database）に保存する（以下では、データベースを「ＤＢ」と記載する場合がある）。なお、図２では、較正データ作成手順の一部を、明確化のため省略した。
　学習アルゴリズム（学習システム、学習方法）は、このようなプロトコル変数とその測定特性との間の関係を学習するために、この較正データを使用する。次いで、所与の測定プロトコル変数のセット（較正データには含まれていない）に対して、このシステム（予測システム、予測方法）は、所与のバイオマーカー配列の測定誤差特性を予測することができる。この予測を用いて、システム（決定システム、決定方法）はバイオマーカー配列が何らかの定量的研究に使用するのに適しているかどうかを決定することができる。最後に、較正データに存在しないバイオマーカー配列でさえ、本発明のシステム（決定システム、決定方法）は、測定誤差特性が知られている最も類似した配列を見つけ出し、それを用いて新しい配列について類似した決定を行うことができる。
　具体的には、本発明は、確率モデルの作用を詳述し、「テンプレート対プロダクト」比を推定することによって、バイオマーカー配列の測定誤差を特徴付ける。「テンプレート」はバイオマーカー配列の最初の量（ＰＣＲ増幅前の量）を指し、「プロダクト」はＰＣＲ増幅後の同じバイオマーカー配列の最終量（ＰＣＲ増幅後の量）を指す。
　［学習システムの構成］
　図３は、本発明の一態様に係る学習システム１００及びこれに関連するデータ等を示している。多重バイサルファイトＰＣＲプロトコルのためのＤＮＡメチル化測定誤差特性を学習するための、このような学習システムの適用は、本発明の新規性を保証するための最小限の要件である。なお、後述するように、学習システム１００には、その結果（学習済み誤差分布ＤＢ５０）を利用する決定システム２００（決定システム）及び予測システム３００（予測システム）が付随していてもよい。
　図４は、学習システム１００の構成例を示す図である。図４に示すように、学習システム１００は、プロセッサ１１０（プロセッサ、コンピュータ）、確率モデル１２０（確率モデル）、記憶部１３０、ＲＯＭ１４０（ＲＯＭ：Read Only Memory）、ＲＡＭ１５０（ＲＡＭ：Random Access Memory）を備える。プロセッサ１１０は学習システム１００の各部が行う処理の統括制御を行うもので、較正データ入力部１１２及び学習部１１４を有する。
　プロセッサ１１０は、図４に示す要素の他に、不図示の表示制御部や通信制御部、出力制御部等を含んでいてよい。
　プロセッサ１１０は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）、ＰＬＤ（Programmable Logic Device）等の各種のプロセッサや電気回路で構成される。これらのプロセッサや電気回路がソフトウェア（プログラム）を実行する際は、実行するソフトウェアのコンピュータ（例えば、プロセッサを構成する各種のプロセッサや電気回路、及び／またはそれらの組み合わせ）で読み取り可能なコードをＲＯＭ１４０等の非一時的かつ有体の記録媒体に記憶しておき、コンピュータがそのソフトウェアを参照する。非一時的かつ有体の記録媒体に記憶しておくソフトウェアは、本発明に係る学習方法、予測方法、決定方法を実行するためのプログラム（学習プログラム、予測プログラム、決定プログラム）、及び実行に際して用いられるデータを含む。ＲＯＭ１４０ではなく各種の光磁気記録装置、半導体メモリ等の非一時的かつ有体の記録媒体にコードを記録してもよい。ソフトウェアを用いた処理の際には例えばＲＡＭ１５０が一時的記憶領域として用いられ、また例えば不図示のＥＥＰＲＯＭ（Electronically Erasable and Programmable Read Only Memory）やフラッシュメモリ等の非一時的かつ有体の記録媒体に記憶されたデータを参照することもできる。「非一時的かつ有体の記録媒体」として記憶部１３０を用いてもよい。
　記憶部１３０はハードディスク、半導体メモリ等の各種記憶デバイス及びその制御部により構成され、上述した較正データや、学習方法の実行条件及び実行結果（学習済み誤差分布のデータ）等を記憶することができる。
　学習システム１００は、図４に示す要素の他に、不図示の表示装置（例えば、液晶モニタ）や操作装置（例えば、マウスやキーボード）を含んでいてよい。表示装置には、較正データや誤差分布のデータ等を表示することができ、また、ユーザは、操作部を介して、本発明に係る学習方法（学習プログラム）の実行に必要な操作を行うことができる。
　上述した図３は、血液サンプルデータ１１を示しているが、これは組織サンプルを含むあらゆる生物学的データである。血液サンプルデータ１１は、図１のように、上述したＳＴＥＰ　１，ＳＴＥＰ　２，それにＤＮＡ配列決定を加えた測定手順で測定するものであり、それ自体が、ＰＣＲのサイクル数など、その有効性に影響を与える変数（重要性のある変数）をいくつか持っている。このような変数のいくつかの値からデータを得る必要があるため、関連する変数が最初に識別され、これらの値の範囲で測定が行われる。例えば、もしＰＣＲサイクル数が唯一の重要な変数である場合、５，１０および１５ ＰＣＲサイクルの同じ血液サンプルのデータを生成することができる。これがいわゆる較正データである。
　［確率モデル］
　学習システム１００は、較正データＤＢ３０に記憶された較正データ（訓練用データ）を利用して（較正データ入力ステップ）、確率モデルをトレーニングする（学習ステップ）。図５はそのような確率モデルの一例である確率モデル１２０を、ベイズ階層モデルを通して示している。本発明の重要な新規性は、(i)バイサルファイト変換誤差の事前情報（事前パラメータ；以下同じ）、(ii)バイサルファイト変換の共変量の事前情報、および(iii)バイオマーカー配列の増幅の相互依存性の事前情報を使用することにある。これらの事前情報（i）～（iii）は、本発明の第１～第３のパラメータに対応し、従って上述の問題１～３に対応する。以上の３つの要素を総合すると、本発明は、上述した特許文献１や非特許文献１のような従来のモデルとは異なるものとなっている。
　また、これら３つの要因により、上述した問題１＋問題２＋問題３が一体となった問題を解決することができる。学習システム１００は、最適化方法（最小化のための損失関数など）に従い、一連のハイパーパラメータ（ハイパーパラメータ４０）を通して調整される。このような調整は、システムの最終性能を確認し、それを最大化するハイパーパラメータを選択することによって行われる。
　なお、上述した第１～第３のパラメータは確率モデル１２０の一部（したがって、学習システム１００の一部）であり、それらパラメータの値は訓練プロセス中に更新される。また、第１～第３のパラメータは学習システム１００の一部であるため、図３では表示されていない。
　一方、ハイパーパラメータを使用すると、確率モデル１２０のある側面を制御できる。ただし、ハイパーパラメータの値はユーザが設定するものであり、訓練プロセス中に値が更新されることはない。また、学習システム１００と決定システム２００（図６を参照）とでは、ハイパーパラメータが異なっている。
　より具体的には、二項分布のバイオマーカーについて、バイサルファイト変換の誤差をモデル化することを選択することができる。そこで、バイサルファイト変換誤差の事前確率（事前パラメータの一例）を［０，１］の間の値として選ぶことができる。事前確率が０の場合、そのバイオマーカーの完全な変換（Ｃｕとウラシルとの１００%の変換と、Ｃｍの０%の変換）を想定し、事前確率が０より大きい場合はそのバイオマーカーの不完全な変換（Ｃｕの一部のみがウラシルに変換され、Ｃｍの一部もウラシルに変換される）を想定する。理想的には、事前変数は経験的データ分析から設定されるべきである。バイサルファイト共変量には、ナノグラムで測定したサンプル中に加えられた亜硫酸塩の量と初期ＤＮＡ量が含まれる。このようにして、事前確率で初期化されたバイサルファイト変換誤差が、第１のパラメータである。
　同様に、ＰＣＲ誤差分布は多項分布でモデル化することができ、適切な事前確率を設定することができる。この段階では、ＰＣＲ後の配列カウント（配列の数）は、選択されたバイオマーカーの数をｘとした場合にN1、N2、...、Nxとして表すことができ、その配列カウントは多項分布としてモデル化することができる。ここで、“Ni”は、ｉ番目のバイオマーカーの配列カウントである。ＰＣＲ共変量には、ＰＣＲ温度やＰＣＲサイクル数のような、較正データ作成のために選択された要因が含まれることがある。
　本発明の新規性は、同じ配列から２つの異なるカウントの可能性を考える能力にある。１つは、バイサルファイト変換後のある配列の塩基化のカウント（メチル化配列のカウント）であり、もう１つは、その配列の非塩基化タイプのカウント（非メチル化配列のカウント）である。これにより、N1_M、N1_U、N2_M、N2_U などの可能性の数が２倍になることが考慮される。ここで“Ni_M”は、ｉ番目のバイオマーカーについてのメチル化配列のカウントを示し、“Ni_Ｕ”は、ｉ番目のバイオマーカーについての、非メチル化配列のカウントを示す。Nx_M とNx_U は、互いに自然な制約を課すため（一方の平均の回数が多いことは他方の回数が少ないことを意味する）、このような制約（相互依存性）を用いてモデル化問題を単純化することができる。このようにして、事前確率で初期化されたバイオマーカー配列の増幅の相互依存性が、第２のパラメータである。
　最後に、全体分布モデル（ＰＣＲ全体のバイアスを示すモデル）は、すべてのバイオマーカー、すなわち、N1+N2+....+、Nxの総数の配列を数量化することであり、バイオマーカーカウントを通して相互依存の制約（構成データ制約）を課すためにさえ使用され得る（例えば、N1が高すぎる場合、N3は低すぎる）。N1、N2等の各々（個々のカウント）は多項分布であるため、選択したバイオマーカーの数が多い（例えば、３０以上）条件下では、それらの合計（多項分布で計算されたカウントの個々のカウントの合計）は、中心極限定理を満足するために、ガウス分布に従うと考えられる。配列タイプ間のこのような相互依存性（構成データ制約）は、すぐには明らかではないかもしれないが、ユニバーサルプライマーを用いて複数の配列（複数のバイオマーカー配列）を同時に増幅する場合には、このような相互依存性が存在することが知られている。このようにして、事前確率で初期化されたＰＣＲ全体のバイアスが、第３のパラメータである。
　このようなユニバーサルプライマーの使用は、適切なアダプタ配列が標的バイオマーカー配列の両端に配備された後にのみ可能である。この段階で追加されたユニバーサルプライマーの有限な量は、バイオマーカー配列間の組成依存性を作り出し、純シグナル増幅に影響する。ＰＣＲ増幅中の多重化パネルに構成データ制約を課し、ユニバーサルプライマーを用いて相対的なバイオマーカー配列の豊富さをモデリングすることは、本発明の第二の新規性を形成する。
　［決定システム及び予測システムの位置づけ］
　上述した学習システム１００には、図６に示すように、決定システム２００（決定システム）及び予測システム３００（予測システム）が付随していてもよい。これら決定システム及び予測システムを学習システム１００に付加することは、選択肢として推奨されるものである。決定システム２００及び予測システム３００を付加することで、例えば学習システム１００により学習された誤差特性を用いて、決定システム２００により候補バイオマーカーのベストなサブセットを見つけることができ（学習結果入力ステップやスコア入力ステップ、サブセット選択ステップ等を含む、本発明に係る決定方法の実行による）、これによりバイオマーカー配列の選択基準に情報を与えて（情報反映ステップ等を含む、本発明に係る予測方法の実行による；予測システム３００）、学習システム１００の効果的な活用を助けることができる。
　上述した学習システム１００は、最適化基準を統計的手段によって最大化または最小化することによって学習する確率モデル１２０を備えており、このようにして学習することは、アルゴリズムを「トレーニング」することの意味を広くカバーしている。一方、決定システム２００は、学習システム１００がトレーニングを終了した後に機能する。決定システム２００自体には、最大化または最小化しようとする定義済みの最適化基準がないため、「トレーニング」されておらず、システムは学習されない。ただし、決定システム２００は、システムを「調整可能」にするハイパーパラメータを含んで構成されている。
　［決定システム及び予測システムの構成］
　図７は、決定システム２００の構成を示す図である。同図に示すように、決定システム２００は、プロセッサ２１０（プロセッサ）と、ＲＯＭ２３０（非一時的かつ有体の記録媒体）と、ＲＡＭ２４０とを備える。プロセッサ２１０は、配列情報入力部２１２と、学習結果入力部２１４と、スコア出力部２１６と、配列セット決定部２１８と、を備える。決定システム２００は、これら要素の他に、図示せぬ表示制御部や表示装置、記憶装置、操作部等を有していてよい。
　図８は、予測システム３００の構成を示す図である。同図に示すように、予測システム３００は、プロセッサ３１０（プロセッサ）と、ＲＯＭ３３０（非一時的かつ有体の記録媒体）と、ＲＡＭ３４０とを備える。プロセッサ３１０は、配列情報入力部３１２と、学習結果入力部３１４と、類似度計算部３１６と、誤差特性予測部３１８と、配列情報反映部３２０と、を備える。予測システム３００は、これら要素の他に、図示せぬ表示制御部や表示装置、記憶装置、操作部等を有していてよい。
　決定システム２００及び予測システム３００のこれらの要素は、学習システム１００と同様に、例えば、ＣＰＵ、ＧＰＵ、ＦＰＧＡ、ＰＬＤ等の各種のプロセッサや電気回路で構成される。これらのプロセッサや電気回路がソフトウェア（プログラム）を実行する際は、実行するソフトウェアのコンピュータで読み取り可能なコードをＲＯＭ２３０やＲＯＭ３３０等の非一時的かつ有体の記録媒体に記憶しておき、コンピュータがそのソフトウェアを参照する。非一時的かつ有体の記録媒体に記憶しておくソフトウェアは、本発明に係る予測方法、決定方法を実行するためのプログラム（予測プログラム、決定プログラム）、及び実行に際して用いられるデータを含む。ＲＯＭ２３０やＲＯＭ３３０ではなく、各種の光磁気記録装置、半導体メモリ等の非一時的かつ有体の記録媒体にコードを記録してもよい。ソフトウェアを用いた処理の際には例えばＲＡＭ２４０，ＲＡＭ３４０が一時的記憶領域として用いられ、また例えば不図示のＥＥＰＲＯＭやフラッシュメモリ等の非一時的かつ有体の記録媒体に記憶されたデータを参照することもできる。
　［スコアに基づくバイオマーカー配列セットの決定］
　以下では、「スコアの最適化プロセス（最適化手法）」の２つの大まかな分類である、バイナリーベースのアプローチと、組み合わせベースのアプローチについて説明する。
　バイナリーベースの最適化基準では、決定システム２００の配列情報入力部２１２（プロセッサ）が関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し（配列情報入力ステップ）、学習結果入力部２１４（プロセッサ）が、学習システム１００から、学習された誤差特性、及び誤差特性に関連付けられたメタデータを入力する（学習結果入力ステップ）。スコア出力部２１６（プロセッサ）は、学習した測定誤差特性を独立に考慮し、結果として生じる測定誤差グラフの傾きに基づいて、例えば｛＋１，０，－１｝のスコア（測定誤差スコア；第１のスコアの一例）を各バイオマーカー配列に割当てることができる（スコア出力ステップ）。配列セット決定部２１８は、各バイオマーカーの順序からスコア（第１のスコア）を合計し、その組み合わせ（バイオマーカー配列セット）を使うかどうかを決定することができる（配列セット決定ステップ）。
　これを、よりロバストに実装すると、特徴選択アルゴリズムと同様の方法で、組み合わせベースの最適化基準を設計することができる。特徴選択アルゴリズムは、定量モデルの出力に依存し、定量モデルの性能を最適化するためにそれらの基準を更新する。この従来の特徴選択アルゴリズムの見方は、測定エラー特性から生じるスコア（第１のスコア）を考慮し、与えられたバイオマーカー配列セットからのサブセット選択に最良の情報を与えるために、信号と同じスコア（第１のスコア）を使用するために修正することにより、本発明で用いる組み合わせベースの最適化基準を設計することができる。組み合わせベースの最適化基準の場合も、バイナリーベースの最適化基準の場合と同様に、決定システム２００の各要素を用いてバイオマーカー配列セットを決定することができる（配列情報入力ステップ～配列セット決定ステップの実行）。
　なお、上述したバイナリーベースの最適化基準では各バイオマーカー配列に独立にスコアを割り当てるのに対して、組み合わせベースの最適化基準の場合は、バイオマーカー配列の組み合わせに対してスコアを与える。このため、測定誤差の小ささを各マーカー配列で独立に扱ってよい場合はバイナリーベースの最適化基準が適しており、相互依存性が特に大きい場合は組み合わせベースの最適化基準が適している。相互依存性とは、例えば、「バイオマーカー配列１はバイオマーカー配列２と同時に測定する場合は測定誤差が小さいが、バイオマーカー配列３と当時に測定する場合は測定誤差が大きい」という場合である。
　本発明では、上述した測定誤差スコア（第１のスコア）だけでなく「予測したい疾患との関連度が大きいほど高いスコア」（関連度スコア；第２のスコアの一例）を考慮し、これらスコアのバランスを最適化することによりバイオマーカー配列セットを決定することもできる。このような関連度スコア（第２のスコア）を併せて用いる場合、上述した測定誤差スコア（第１のスコア）と関連度スコア（第２のスコア）とのバランスを最適化する（例えば、測定誤差スコアと関連度スコアとの相加平均や相乗平均を最大化する）ことにより、バイオマーカー配列セットを決定することができる。この場合、関連度スコアも、測定誤差スコアの場合と同様にバイオマーカー配列ごとに独立に割り当てることもできるし、バイオマーカー配列の組み合わせに対して与えることもできる。例えば、マーカー１，２，３がいずれも疾患と関連している場合に、マーカー１，２の相関が小さくマーカー１，３の相関が大きい場合は、マーカー１，２の組み合わせの方が疾患予測に有効であり、関連度スコアが高くなる。
　如何なる最適化基準（バイナリーベース、特徴選択アルゴリズム、あるいは組み合わせベースのような）が最良であるかは、応用分野、ユーザ、および時間の制約に依存し、それらの条件に合わせて適宜選択することができる。この出力は、システムが共同で考えるバイオマーカー配列のセットのものであり、多重化ＰＣＲ配列決定のための与えられた測定誤差のプロトコルには、最小限の誤差がある。実施態様は、本発明の第５，第１２の態様を考慮するために、決定システムの実施に基づいて（バランスの取れた配列選択を考慮するか否かにかかわらず）変更することができる。
　なお、決定システム２００は、学習システム１００で得られた誤差分布（図６では、学習済み誤差分布データベース５０）に依存しており、それ自体では、元の較正データに含まれないバイオマーカー配列のスコアを計算することができない。このような、較正データに含まれていなかったバイオマーカー配列の測定誤差特性の予測については、図６に示すように、また以下に説明するように、本発明の第６，第７の態様に係る予測システム３００（及び、本発明の第１３，第１４の態様に係る予測方法）が必要である。この予測システム３００は、決定システム２００について上述したのと同様に本発明に係る学習システム１００（学習システム）への追加であり、このような新しいバイオマーカー配列の使用事例、存在、重要性に依存する。
　［較正データに含まれていないバイオマーカー配列の測定誤差特性の予測］
　関心配列データベース６０に含まれる関心バイオマーカー配列が較正データに含まれていないバイオマーカー配列であることが判明した場合（図６の判断「訓練データに含まれている配列か？」でＹＥＳの場合）に、その関心バイオマーカー配列の測定誤差特性を予測する手法について説明する。この場合、まず予測システム３００に入力を渡す。具体的には、予測システム３００の配列情報入力部３１２（プロセッサ）は、関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し（配列情報入力ステップ）、また学習結果入力部３１４（プロセッサ）は、学習システム１００から、例えば学習済み誤差特性、及び誤差特性に関連付けられたメタデータを入力する（学習結果入力ステップ）。ここで、「メタデータ」は、例えば遺伝子のタイプ（プロモーターかエンハンサーか）、遺伝子の領域（転写開始サイト等）であるが、これらには限定されない。
　そして、類似度計算部３１６（プロセッサ）は、レーベンシュタイン距離やＧＣ含量（GC-content；ＤＮＡ分子中の窒素塩基のうち、グアニンとシトシンの割合）のような、２つの遺伝子配列間の類似度の測定基準（類似性の尺度）を用いて、以前に較正データに含まれていたバイオマーカー配列（較正データにおいて利用可能であったバイオマーカー配列）と新たなバイオマーカー配列（関心バイオマーカー配列）との類似度を計算する（類似度計算ステップ）。類似度計算部３１６は、学習済み誤差分布データベース５０に存在するバイオマーカー配列から、関心バイオマーカー配列と「最も類似する」バイオマーカー配列を見つける（類似度計算ステップ）。予測システム３００は、検出された「最も類似する配列」の情報を用いて、その「最も近い配列」に対応する学習済み誤差特性を（学習済み誤差分布データベース５０から）取得することができ（誤差特性予測ステップ、配列取得ステップ）、これにより本発明の第６，第１３の態様を完全に実装することができる。配列情報反映部３２０は、この情報を、本発明の第４，第５の態様を実施する決定システム２００（及び、本発明の第１１，第１２の態様に係る決定方法）と併用して、決定システム２００におけるバイオマーカー配列セットの決定に反映する（情報反映ステップ）こともできる。
　［実施例］
　遺伝子配列の候補セットは、まず、ＧＣ含量のような測定関連要因の十分な変化を示すと考えられている。例えば、配列ＧＣ内容のみを重要と仮定し、「高」の３遺伝子配列および「低」のＧＣ含量の３遺伝子配列を同時測定のために決定することができる。次に、一連の重要な測定プロトコル関連変数を特定し、範囲を考慮する。これに続いて、すべての値とすべての変数の考えられる全範囲について、湿式実験手順を実行する。例えば、｛５，１０，１５｝のＰＣＲサイクルを考慮し、メチル化比率を｛５％，１０％｝と考えるならば、同一の生物標本のアリコット（aliquot）から６個の遺伝子の独立測定を３＊２＝６個行う。続いて、学習システムで用いられる前述の確率モデルを訓練し、決定システムのハイパーパラメータを調整（チューニング）した。さて、がん診断の場合のように、より多くの遺伝子バイオマーカーを探しながら、その遺伝子が測定特性の良否を評価するために決定モデルを用いることができる。
　１００の遺伝子配列測定で訓練されたArtificial Intelligenceガン分類モデルが７０％の感度で行われることを考えると、パフォーマンスが低い理由の一部は、一部の遺伝子で高い測定ノイズである可能性がある。上記のシステムを用いて１００の遺伝子を再考し、測定困難なものを取り除くと、測定誤差を回避することにより、Artificial Intelligenceの性能は８０％に上昇する可能性があり、より良い頑健性を持つ。
　以上説明した実施形態は、以下の効果を有する。
（１）複数の遺伝子配列を一緒に測定して多重化されたパネルを扱うことができる。
（２）バイサルファイト変換されたサンプルを処理することができる。
（３）配列パラメータとプロトコルパラメータを入力として使用して、測定誤差を予測することができる。
（４）配列を分析/分類の目的に使用するかどうかを決定することができる。
（５）適切に学習された誤差特性、適切に選択されたバイオマーカー配列セット（及びそのサブセット）、精度良く予測されたバイオマーカー配列セットの測定誤差により、バイオマーカー配列を用いた分析や診断（例えば、上述したＡＩによるがんの分類）等を精度良く行うことができる。
　以上で本発明の実施形態について説明してきたが、本発明は上述した態様に限定されず、種々の変形が可能である。
１０　　血液サンプル
１１　　血液サンプルデータ
２０　　湿式実験プロトコル
３０　　較正データＤＢ
４０　　ハイパーパラメータ
５０　　学習済み誤差分布データベース
６０　　関心配列データベース
１００　学習システム
１１０　プロセッサ
１１２　較正データ入力部
１１４　学習部
１２０　確率モデル
１３０　記憶部
２００　決定システム
２１０　プロセッサ
２１２　配列情報入力部
２１４　学習結果入力部
２１６　スコア出力部
２１８　配列セット決定部
３００　予測システム
３１０　プロセッサ
３１２　配列情報入力部
３１４　学習結果入力部
３１６　類似度計算部
３１８　誤差特性予測部
３２０　配列情報反映部

Claims (14)

  1. 　測定プロトコル変数と、バイオマーカー配列の結果として生じる誤差特性との関係を学習する学習システムであって、プロセッサを備え、
    　前記プロセッサは、
    　重要性のある変数について適切なデータが入手できるように設計された較正データを入力し、
    　確率モデルを用いて、前記重要性のある変数について各測定プロトコルにわたる誤差分布の特性を学習し、
    　前記確率モデルは、
    　バイサルファイト変換の誤差をモデル化するために、適切に選択された事前パラメータで初期化された第１のパラメータと、
    　バイオマーカー配列の増幅の相互依存性をモデル化するために、適切に選択された事前パラメータで初期化された第２のパラメータと、
    　ＰＣＲ全体のバイアスをモデル化するために、適切に選択された事前パラメータで初期化された第３のパラメータと、
    　を含む学習システム。
  2. 　前記第２のパラメータは、バイサルファイト変換後の遺伝子のメチル化配列及び非メチル化配列のカウントを別々に取得し、取得されたカウントを、前記メチル化配列及び前記非メチル化配列の各配列について、事前変数を別々に決定できる多項分布でモデル化したパラメータである請求項１に記載の学習システム。
  3. 　前記第３のパラメータは、ユニバーサルプライマーを用いて複数の配列を同時に増幅する場合に、多項分布で計算されたカウントの個々のカウントの合計がガウス分布に従う、という構成データ制約が課されたパラメータである、請求項１または２に記載の学習システム。
  4. 　プロセッサを備える決定システムであって、
    　前記プロセッサは、
    　多重化パネルで使用する、関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し、
    　請求項１から３のいずれか１項に記載の学習システムから、前記学習された誤差特性、及び前記誤差特性に関連付けられたメタデータを入力し、
    　あらかじめ決められた基準を用いて前記入力した前記ヌクレオチド配列、前記測定プロトコル情報、前記学習された誤差特性、及び前記メタデータを使用して、可能なバイオマーカー配列のセットのための第１のスコアを出力し、
    　各セットについての前記第１のスコアの値を考慮してバイオマーカー配列セットを決定する、
    　決定システム。
  5. 　前記プロセッサは、
    　決定すべきバイオマーカー配列ごとに、第２のスコアを入力し、
    　前記バイオマーカー配列セットにおける各バイオマーカー配列についての前記第１のスコアを考慮して、前記第１のスコアと前記第２のスコアとのバランスを最適化することにより前記多重化パネルのベストなサブセットを選択する、
    　請求項４に記載の決定システム。
  6. 　遺伝子配列の測定誤差特性を予測する予測システムであって、プロセッサを備え、
    　前記プロセッサは、
    　多重化パネルで使用する、関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し、
    　請求項１から３のいずれか１項に記載の学習システムから、前記学習された誤差特性、及び前記誤差特性に関連付けられたメタデータを入力し、
    　２つの遺伝子配列間の類似性の尺度を計算するための測定基準を用いて、以前に較正データに含まれていたバイオマーカー配列と新たなバイオマーカー配列との類似度を計算し、
    　前記計算した類似度を他の関連する入力及び前記学習された誤差特性と組み合わせて使用して、前記較正データに含まれていないバイオマーカー配列を測定する際の誤差特性を予測する、
    　予測システム。
  7. 　前記プロセッサは、
    　前記予測された誤差特性を使用して、前記較正データに含まれていないバイオマーカー配列と最も類似する、前記較正データにおいて利用可能であったバイオマーカー配列を取得し、
    　前記取得したバイオマーカー配列の情報を、請求項４または５に記載の決定システムにおけるバイオマーカー配列セットの決定に反映する、
    　請求項６に記載の予測システム。
  8. 　プロセッサを備え、測定プロトコル変数と、バイオマーカー配列の結果として生じる誤差特性との関係を学習する学習システムにより実行される学習方法であって、
    　前記プロセッサが、
    　重要性のある変数について適切なデータが入手できるように設計された較正データを入力し、
    　確率モデルを用いて、前記重要性のある変数について各測定プロトコルにわたる誤差分布の特性を学習し、
    　前記確率モデルは、
    　バイサルファイト変換の誤差をモデル化するために、適切に選択された事前パラメータで初期化された第１のパラメータと、
    　バイオマーカー配列の増幅の相互依存性をモデル化するために、適切に選択された事前パラメータで初期化された第２のパラメータと、
    　ＰＣＲ全体のバイアスをモデル化するために、適切に選択された事前パラメータで初期化された第３のパラメータと、
    　を含む学習方法。
  9. 　前記第２のパラメータは、バイサルファイト変換後の遺伝子のメチル化配列及び非メチル化配列のカウントを別々に取得し、取得されたカウントを、前記メチル化配列及び前記非メチル化配列の各配列について、事前変数を別々に決定できる多項分布でモデル化したパラメータである、請求項８に記載の学習方法。
  10. 　前記第３のパラメータは、ユニバーサルプライマーを用いて複数の配列を同時に増幅する場合に、多項分布で計算されたカウントの個々のカウントの合計がガウス分布に従う、という構成データ制約が課されたパラメータである、請求項８または９に記載の学習方法。
  11. 　プロセッサを備える決定システムにより実行される決定方法であって、
    　前記プロセッサは、
    　多重化パネルで使用する、関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し、
    　請求項８から１０のいずれか１項に記載の学習方法の結果として得られる、前記学習された誤差特性、及び前記誤差特性に関連付けられたメタデータを入力し、
    　あらかじめ決められた基準を用いて前記入力した前記ヌクレオチド配列、前記測定プロトコル情報、前記学習された誤差特性、及び前記メタデータを使用して、可能なバイオマーカー配列のセットのための第１のスコアを出力し、
    　各セットについての前記第１のスコアの値を考慮してバイオマーカー配列セットを決定する、
    　決定方法。
  12. 　前記プロセッサは、
    　決定すべきバイオマーカー配列ごとに、第２のスコアを入力し、
    　前記バイオマーカー配列セットにおける各バイオマーカー配列についての前記第１のスコアを考慮して、前記第１のスコアと前記第２のスコアとのバランスを最適化することにより前記多重化パネルのベストなサブセットを選択する、
    　請求項１１に記載の決定方法。
  13. 　プロセッサを備え、遺伝子配列の測定誤差特性を予測する予測システムにより実行される予測方法であって、
    　前記プロセッサは、
    　多重化パネルで使用する、関心バイオマーカー配列のヌクレオチド配列及び測定プロトコル情報を入力し、
    　請求項８から１０のいずれか１項に記載の学習方法により得られた、前記学習された誤差特性、及び前記誤差特性に関連付けられたメタデータを入力し、
    　２つの遺伝子配列間の類似性の尺度を計算するための測定基準を用いて、以前に較正データに含まれていたバイオマーカー配列と新たなバイオマーカー配列との類似度を計算し、
    　前記計算した類似度を他の関連する入力及び前記学習された誤差特性と組み合わせて使用して、前記較正データに含まれていないバイオマーカー配列を測定する際の誤差特性を予測する、
    　予測方法。
  14. 　前記プロセッサは、
    　前記予測された誤差特性を使用して、前記較正データに含まれていないバイオマーカー配列と最も類似する、前記較正データにおいて利用可能であったバイオマーカー配列を取得し、
    　前記取得したバイオマーカー配列の情報を、請求項１１または１２に記載の決定方法におけるバイオマーカー配列セットの決定に反映する、
    　請求項１３に記載の予測方法。
PCT/JP2023/011772 2022-03-30 2023-03-24 学習システム、決定システム、及び予測システム、並びに学習方法、決定方法、及び予測方法 WO2023190136A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022056626 2022-03-30
JP2022-056626 2022-03-30

Publications (1)

Publication Number Publication Date
WO2023190136A1 true WO2023190136A1 (ja) 2023-10-05

Family

ID=88201403

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/011772 WO2023190136A1 (ja) 2022-03-30 2023-03-24 学習システム、決定システム、及び予測システム、並びに学習方法、決定方法、及び予測方法

Country Status (1)

Country Link
WO (1) WO2023190136A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017523437A (ja) 2014-06-10 2017-08-17 クレッシェンド バイオサイエンス インコーポレイテッド 体軸性脊椎関節炎の疾患活動性を測定およびモニタリングするためのバイオマーカーおよび方法
WO2020008192A2 (en) * 2018-07-03 2020-01-09 Chronomics Limited Phenotype prediction
JP2021521536A (ja) * 2018-04-13 2021-08-26 フリーノーム・ホールディングス・インコーポレイテッドＦｒｅｅｎｏｍｅ Ｈｏｌｄｉｎｇｓ， Ｉｎｃ． 生体試料の多検体アッセイのための機械学習実装

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017523437A (ja) 2014-06-10 2017-08-17 クレッシェンド バイオサイエンス インコーポレイテッド 体軸性脊椎関節炎の疾患活動性を測定およびモニタリングするためのバイオマーカーおよび方法
JP2021521536A (ja) * 2018-04-13 2021-08-26 フリーノーム・ホールディングス・インコーポレイテッドＦｒｅｅｎｏｍｅ Ｈｏｌｄｉｎｇｓ， Ｉｎｃ． 生体試料の多検体アッセイのための機械学習実装
WO2020008192A2 (en) * 2018-07-03 2020-01-09 Chronomics Limited Phenotype prediction

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JUSTIN D. SILVERMAN ET AL., MEASURING AND MITIGATING PCR BIAS IN MICROBIOME DATA, 22 March 2022 (2022-03-22), Retrieved from the Internet <URL:https://www.biorxiv.org/content/10.1101/604025v1>

Similar Documents

Publication Publication Date Title
Janitza et al. On the overestimation of random forest’s out-of-bag error
US11887696B2 (en) Systems and methods for classifying, prioritizing and interpreting genetic variants and therapies using a deep neural network
Kayser et al. Recent advances in Forensic DNA Phenotyping of appearance, ancestry and age
Cao et al. ROC curves for the statistical analysis of microarray data
JP2021503922A (ja) ターゲットシーケンシングのためのモデル
JP2005531853A (ja) Ｓｎｐ遺伝子型クラスタリングのためのシステムおよび方法
Iqbal et al. Integrated COVID-19 Predictor: Differential expression analysis to reveal potential biomarkers and prediction of coronavirus using RNA-Seq profile data
Kaplow et al. Inferring mammalian tissue-specific regulatory conservation by predicting tissue-specific differences in open chromatin
JP7275334B2 (ja) 個人の生物学的ステータスを予測するためのシステム、方法および遺伝子シグネチャ
CN110191964A (zh) 确定生物样本中预定来源的游离核酸比例的方法及装置
WO2023190136A1 (ja) 学習システム、決定システム、及び予測システム、並びに学習方法、決定方法、及び予測方法
Shahraki et al. Robust chromatin state annotation
Pfaffl et al. Data analysis software
CN101517579A (zh) 蛋白质查找方法和设备
Wong et al. A comparison study for DNA motif modeling on protein binding microarray
ES2937408T3 (es) Método y producto informático de análisis de ADN fetal por secuenciación masiva
Mboning et al. BayesAge: A maximum likelihood algorithm to predict epigenetic age
TW202324151A (zh) 用於分析基因數據之電腦實施的方法及裝置
Ogunnaike et al. A probabilistic framework for microarray data analysis: Fundamental probability models and statistical inference
US20040265830A1 (en) Methods for identifying differentially expressed genes by multivariate analysis of microaaray data
Jung et al. Identifying Differentially Expressed Genes in Meta‐Analysis via Bayesian Model‐Based Clustering
Lijoi et al. A Bayesian nonparametric approach for comparing clustering structures in EST libraries
Chong et al. SeqControl: process control for DNA sequencing
Aliferi et al. Predicting chronological age from DNA methylation data: a machine learning approach for small datasets and limited predictors
US20200105374A1 (en) Mixture model for targeted sequencing

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23780146

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2024512336

Country of ref document: JP

Kind code of ref document: A