計算生物学

計算生物学とは、データ分析、数学的モデリング、計算シミュレーションを使用して生物学的システムと関係性を理解することを指します。^[1]コンピュータサイエンス、生物学、ビッグデータが交差するこの分野は、応用数学、化学、遺伝学にも基礎を置いています。^{[2]これは、}バイオエンジニアリングを使用してコンピューターを構築するコンピュータサイエンスとエンジニアリングのサブフィールドである生物学的コンピューティングとは異なります。

生物システムにおける情報処理の分析であるバイオインフォマティクスは、1970年代初頭に始まりました。当時、人工知能の研究では、新しいアルゴリズムを生成するために人間の脳のネットワークモデルを使用していました。この生物学的データの使用により、生物学研究者は自分の分野で大規模なデータセットを評価および比較するためにコンピューターを使用するようになりました。^[3]

1982年までに研究者はパンチカードを介して情報を共有するようになりました。1980年代末までにデータ量は飛躍的に増加し、関連情報を迅速に解釈するための新しい計算方法が必要になりました。^[3]

おそらく計算生物学の最もよく知られた例であるヒトゲノム計画は、1990年に正式に開始されました。 ^[4] 2003年までに、プロジェクトはヒトゲノムの約85％をマッピングし、当初の目標を達成しました。^[5]しかし、作業は継続され、2021年までに「完全なゲノム」レベルに到達し、潜在的な問題によってカバーされる塩基はわずか0.3％になりました。^{[6] [7]}不足していたY染色体は2022年1月に追加されました。

1990年代後半から、計算生物学は生物学の重要な部分となり、数多くのサブフィールドを生み出しました。^[8]現在、国際計算生物学会は21の「特別関心コミュニティ」を認定しており、それぞれが広い分野の一部を代表しています。^[9]計算生物学は、ヒトゲノムの配列決定を支援するだけでなく、ヒトの脳の正確なモデルの作成、ゲノムの3D構造のマッピング、生物システムのモデル化にも役立っています。^[3]

2000年、プログラミングとデータ管理の専門知識が不足していたにもかかわらず、コロンビアは植物病に焦点を当て、産業的観点から計算生物学を応用し始めました。この研究は、ジャガイモなどの作物の病気に対抗する方法の理解と、コーヒーの木の遺伝的多様性の研究に貢献しました。^[10] 2007年までに、代替エネルギー源と地球規模の気候変動に関する懸念から、生物学者はシステムエンジニアやコンピューターエンジニアと協力するようになりました。彼らは協力して、これらの課題に対処するための堅牢な計算ネットワークとデータベースを開発しました。2009年には、コロンビアはロサンゼルス大学と提携して、計算生物学とバイオインフォマティクスの統合を改善するために仮想学習環境（VLE）も作成しました。^[10]

ポーランドでは、計算生物学は数学や計算科学と密接に結びついており、バイオインフォマティクスや生物物理学の基礎となっています。この分野は、物理学とシミュレーションに焦点を当てた分野と、生物学的配列に焦点を当てた分野の2つに分かれています。^[11]ポーランドでの統計モデルの応用により、タンパク質とRNAの研究技術が進歩し、世界的な科学の進歩に貢献しています。ポーランドの科学者は、タンパク質予測方法の評価にも尽力しており、計算生物学の分野を大幅に強化しています。時間の経過とともに、彼らは研究範囲をタンパク質コーディング分析やハイブリッド構造などのトピックにまで拡大し、世界中のバイオインフォマティクスの発展に対するポーランドの影響をさらに強固なものにしています。^[11]

計算解剖学は、形態学の目に見えるまたは肉眼的な解剖学的 スケールでの解剖学的形状と形態の研究です。生物学的構造をモデル化およびシミュレーションするための計算数学的およびデータ分析的方法の開発が含まれます。医療用画像装置ではなく、画像化される解剖学的構造に焦点を当てています。磁気共鳴画像などの技術による高密度の 3D 測定が利用できるようになったため、計算解剖学は、3D の形態素スケールで解剖学的座標系を抽出するための医療用画像およびバイオエンジニアリングのサブフィールドとして登場しました。 ${\displaystyle 50-100\mu }$

計算解剖学の元々の定式化は、変換を介して作用する標本からの形状と形態の生成モデルとしてです。^[12]微分同相写像グループは、 1つの解剖学的構成から別の解剖学的構成へのラグランジュおよびオイラーの流れの速度を介して生成される座標変換を介して、異なる座標系を研究するために使用されます。これは形状統計および形態測定学に関連しており、微分同相写像は座標系のマッピングに使用され、その研究は微分形態測定学として知られています。 ${\displaystyle {\mathbb {R} }^{3}}$

数理生物学は、生物の数理モデルを用いて、生物システムの構造、発達、行動を支配するシステムを調べる学問である。これは、実験生物学のような経験主義的なアプローチではなく、問題に対してより理論的なアプローチをとる。^{[13]数理生物学は、}離散数学、位相幾何学（計算モデル化にも役立つ）、ベイズ統計、線型代数、ブール代数を利用している。^[14]

これらの数学的アプローチにより、生物学的データを保存、検索、分析するためのデータベースやその他の方法の作成が可能になりました。これはバイオインフォマティクスと呼ばれる分野です。通常、このプロセスには遺伝学と遺伝子の分析が含まれます。

大規模なデータセットの収集と分析により、データマイニング^[14]や計算バイオモデリング（生物システムのコンピュータモデルと視覚的シミュレーションの構築を指す）などの研究分野が成長しています。これにより、研究者はそのようなシステムがさまざまな環境にどのように反応するかを予測することができ、システムが「外部および内部の摂動に対して状態と機能を維持できる」かどうかを判断するのに役立ちます。^[15]現在の技術は小さな生物システムに焦点を当てていますが、研究者はより大きなネットワークを分析およびモデル化できるアプローチに取り組んでいます。大多数の研究者は、これが新薬や遺伝子治療を作成するための現代の医学的アプローチの開発に不可欠であると考えています。^{[15]有用なモデリングアプローチは、} esyNなどのツールを介してペトリネットを使用することです。^[16]

同様に、ここ数十年まで理論生態学は主に、経験生態学者が使用する統計モデルから切り離された分析モデルを扱ってきました。しかし、計算手法は、生態システムのシミュレーションを通じて生態学理論の発展に役立ち、さらに、生態学的分析における計算統計の手法の適用も増加しています。

システム生物学は、細胞レベルから個体群全体にわたるさまざまな生物システム間の相互作用を計算し、新たな特性を発見することを目的としています。このプロセスには通常、細胞シグナル伝達と代謝経路のネットワーク化が含まれます。システム生物学では、生物学的モデリングやグラフ理論の計算技術を使用して、細胞レベルでのこれらの複雑な相互作用を研究することがよくあります。^[14]

計算生物学は、次のような方法で進化生物学を支援してきました。

• DNAデータを使って計算系統学で生命の樹を再構築する
• 集団遺伝学モデル（時間順方向^[17]または時間逆方向）をDNAデータに当てはめて、人口動態や選択史について推論する
• 進化の可能性のあるものを予測するために、第一原理から進化システムの集団遺伝学モデルを構築する

計算ゲノム学は細胞や生物のゲノムを研究する学問です。ヒトゲノムプロジェクトは計算ゲノム学の一例です。このプロジェクトはヒトゲノム全体を配列してデータセットにすることを目指しています。このプロジェクトが完全に実施されれば、医師は個々の患者のゲノムを分析できるようになります。^{[18]これにより、個人の既存の遺伝子パターンに基づいて治療を処方する個別化医療の可能性が開かれます。研究者は動物、植物、}細菌、その他すべての種類の生命体 のゲノムを配列することを目指しています。 ^[19]

ゲノムを比較する主な方法の1つは、配列相同性です。相同性は、共通の祖先から派生したさまざまな生物の生物学的構造とヌクレオチド配列の研究です。研究によると、新たに配列決定された原核生物ゲノムの遺伝子の80〜90％がこの方法で特定できることが示唆されています。^[19]

配列アライメントは、生物学的配列または遺伝子間の類似性を比較および検出するための別のプロセスです。配列アライメントは、 2 つの遺伝子の最長共通サブシーケンスの計算や、特定の疾患の変異体の比較など、多くのバイオインフォマティクス アプリケーションで役立ちます。^{[引用が必要]}

計算ゲノム科学において未開拓のプロジェクトは、ヒトゲノムの約97%を占める遺伝子間領域の解析である。^{[19]研究者らは、計算および統計的手法の開発や、} ENCODEやロードマップエピゲノミクスプロジェクトなどの大規模コンソーシアムプロジェクトを通じて、ヒトゲノムの非コード領域の機能の理解に取り組んでいる。

個々の遺伝子が分子レベル、細胞レベル、生物レベルで生物の生物学にどのように貢献しているかを理解することは、遺伝子オントロジーとして知られています。遺伝子オントロジーコンソーシアムの使命は、分子レベルからより大きな経路、細胞レベル、生物レベルのシステムまで、生物学的システムの最新かつ包括的な計算モデルを開発することです。遺伝子オントロジーリソースは、人間から細菌まで、さまざまな生物の遺伝子（より正確には、遺伝子によって生成されるタンパク質と非コードRNA分子）の機能に関する最新の科学的知識を計算で表現します。^[20]

3D ゲノミクスは、真核細胞内の遺伝子の構成と相互作用に焦点を当てた計算生物学のサブセクションです。3D ゲノム データを収集するために使用される方法の 1 つは、ゲノム アーキテクチャ マッピング(GAM)です。GAM は、DNA を調べるために核からストリップを切り出すプロセスである凍結切片法とレーザー マイクロダイセクションを組み合わせて、ゲノム内のクロマチンと DNA の 3D 距離を測定します。核プロファイルは、核から切り取ったこのストリップまたはスライスです。各核プロファイルには、 DNA の基本単位であるヌクレオチドの特定の配列であるゲノム ウィンドウが含まれています。GAM は、細胞全体にわたる複雑なマルチエンハンサー クロマチン コンタクトのゲノム ネットワークをキャプチャします。^[21]

計算神経科学は、神経系の情報処理特性の観点から脳機能を研究する学問です。神経科学のサブセットである計算神経科学は、神経系の特定の側面を調べるために脳をモデル化しようとします。^[22]脳のモデルには以下のものがあります。

• 現実的な脳モデル: これらのモデルは、細胞レベルで可能な限り詳細に脳のあらゆる側面を表現しようとします。現実的なモデルは脳について最も多くの情報を提供しますが、誤差の余地も最大です。脳モデルの変数が多いほど、誤差が発生する可能性が高くなります。これらのモデルは、科学者が知らない細胞構造の部分を考慮していません。現実的な脳モデルは、最も計算量が多く、実装に最も費用がかかります。^[23]
• 脳モデルの簡素化：これらのモデルは、神経系の特定の物理的特性を評価するためにモデルの範囲を限定することを目的としています。これにより、集中的な計算問題を解決できるようになり、現実的な脳モデルからの潜在的なエラーの量が減少します。^[23]

計算神経科学者の仕事は、現在使用されているアルゴリズムとデータ構造を改善し、そのような計算の速度を上げることです。

計算神経精神医学は、精神障害に関与する脳のメカニズムを数学的およびコンピュータ支援モデル化する新興分野です。いくつかの取り組みにより、計算モデル化は精神機能や機能障害を生み出す可能性のある神経回路を理解する上で重要な貢献であることが実証されています。^{[24] [25] [26]}

計算薬理学とは、「ゲノムデータの効果を研究して特定の遺伝子型と疾患の関連性を見つけ、薬物データをスクリーニングすること」です。^[27]製薬業界では、薬物データを分析する方法の転換が必要です。薬理学者は、Microsoft Excelを使用して、薬物の有効性に関連する化学データとゲノムデータを比較することができました。しかし、業界はExcelバリケードと呼ばれる状況に陥っています。これは、スプレッドシートでアクセスできるセルの数が限られていることに起因しています。この開発により、計算薬理学の必要性が生まれました。科学者と研究者は、これらの膨大なデータセットを分析するための計算方法を開発しています。これにより、注目すべきデータポイント間の効率的な比較が可能になり、より正確な薬物を開発できるようになります。^[28]

アナリストは、特許のせいで主要な医薬品が開発されなかった場合、市場に出回っている既存の医薬品を置き換えるには計算生物学が必要になると予測している。計算生物学の博士課程の学生は、博士研究員の職に就くよりも産業界でのキャリアを追求するよう奨励されている。これは、大手製薬会社が新薬の製造に必要な大規模なデータセットの有能なアナリストをさらに必要としていることの直接的な結果である。^[28]

計算生物学は、これまで知られていなかった新しい生物の兆候を発見したり、がん研究において重要な役割を果たしている。この分野では、 RNA、DNA 、タンパク質などの細胞プロセスの大規模な測定が行われており、計算上の大きな課題となっている。これを克服するために、生物学者は計算ツールを利用して生物学的データを正確に測定し、分析している。^[29]がん研究において、計算生物学は腫瘍サンプルの複雑な分析に役立ち、研究者が腫瘍を特徴付け、さまざまな細胞特性を理解するための新しい方法を開発するのに役立つ。DNA、RNA、その他の生物学的構造からの何百万ものデータポイントを含む高スループット測定の使用は、がんを早期に診断し、がんの発症に寄与する主要な要因を理解するのに役立つ。焦点となる領域には、がんを引き起こす決定論的な分子の分析や、ヒトゲノムが腫瘍の原因とどのように関係しているかの理解などがある。^{[29] [30]}

計算生物学者は、研究を遂行するために幅広いソフトウェアとアルゴリズムを使用します。

教師なし学習は、ラベル付けされていないデータからパターンを見つけるアルゴリズムの一種です。1 つの例はk-means クラスタリングで、これはn 個のデータ ポイントをk 個のクラスターに分割することを目的としています。このクラスターでは、各データ ポイントは最も近い平均値を持つクラスターに属します。もう 1 つのバージョンはk-medoidsアルゴリズムで、クラスター センターまたはクラスター セントロイドを選択するときに、クラスターの平均だけでなく、セット内のデータ ポイントの 1 つを選択します。

アルゴリズムは次の手順に従います。

1. k個の異なるデータ ポイントをランダムに選択します。これらが初期クラスターです。
2. 各ポイントと各「k」クラスター間の距離を測定します。(これは各ポイントkからのポイントの距離です)。
3. 各ポイントを最も近いクラスターに割り当てます。
4. 各クラスターの中心（メドイド）を見つけます。
5. クラスターが変化しなくなるまで繰り返します。
6. 各クラスター内の変動を合計して、クラスタリング品質を評価します。
7. 異なる k 値でプロセスを繰り返します。
8. プロット内で k 値の分散が最も低い「エルボ」を見つけて、 'k' の最適な値を選択します。

生物学におけるこの例の1つは、ゲノムの3Dマッピングに使用されています。マウスの13番染色体のHIST1領域の情報は、Gene Expression Omnibusから収集されています。^[31]この情報には、特定のゲノム領域に現れる核プロファイルに関するデータが含まれています。この情報を使用して、Jaccard距離を使用して、すべての遺伝子座間の正規化された距離を見つけることができます。

グラフ分析、またはネットワーク分析は、異なるオブジェクト間の接続を表すグラフの研究です。グラフは、タンパク質間相互作用ネットワーク、制御ネットワーク、代謝および生化学ネットワークなど、生物学におけるあらゆる種類のネットワークを表すことができます。これらのネットワークを分析する方法は多数あります。その 1 つは、グラフの中心性を調べることです。グラフの中心性を見つけると、ノードにグラフ内の人気度または中心性に基づいてランキングが割り当てられます。これは、どのノードが最も重要であるかを見つけるのに役立ちます。たとえば、一定期間にわたる遺伝子の活動に関するデータが与えられている場合、次数中心性を使用して、ネットワーク全体でどの遺伝子が最も活発であるか、またはネットワーク全体でどの遺伝子が他の遺伝子と最も相互作用しているかを確認できます。これは、特定の遺伝子がネットワークで果たす役割を理解するのに役立ちます。

グラフの中心性を計算する方法は数多くあり、それらはすべて中心性に関するさまざまな種類の情報を提供します。生物学における中心性の発見は、遺伝子制御、タンパク質相互作用、代謝ネットワークなど、さまざまな状況に適用できます。^[32]

教師あり学習は、ラベル付きデータから学習し、ラベルのない将来のデータにラベルを割り当てる方法を学習するアルゴリズムの一種です。生物学では、分類方法がわかっているデータがあり、それらのカテゴリにさらに多くのデータを分類したい場合に、教師あり学習が役立ちます。

一般的な教師あり学習アルゴリズムはランダムフォレストです。ランダムフォレストでは、多数の決定木を使用してモデルをトレーニングし、データセットを分類します。ランダムフォレストの基礎となる決定木は、データの特定の既知の特徴を使用して、データセットを分類またはラベル付けすることを目的とした構造です。実際の生物学的な例としては、個人の遺伝子データを取得し、その個人が特定の病気や癌を発症する素因があるかどうかを予測することが挙げられます。各内部ノードで、アルゴリズムはデータセットを 1 つの特徴 (前の例では特定の遺伝子) についてチェックし、結果に基づいて左または右に分岐します。次に、各リーフノードで、決定木はデータセットにクラスラベルを割り当てます。したがって、実際には、アルゴリズムは入力データセットに基づいて、決定木を介して特定のルートからリーフへのパスをたどり、その結果、そのデータセットが分類されます。通常、決定木には、はい/いいえなどの離散値を取るターゲット変数があり、その場合は分類ツリーと呼ばれますが、ターゲット変数が連続している場合は回帰ツリーと呼ばれます。決定木を構築するには、まずトレーニング セットを使用して決定木をトレーニングし、どの特徴がターゲット変数の最適な予測子であるかを特定する必要があります。

オープンソース ソフトウェアは、誰もが研究で開発されたソフトウェアにアクセスしてその恩恵を受けることができる計算生物学のプラットフォームを提供します。PLOSは、オープンソース ソフトウェアを使用する主な理由として次の 4 つを挙げています^{[引用が必要]}。

• 再現性: これにより、研究者は生物学的データ間の関係を計算するために使用される正確な方法を使用できます。
• 開発の高速化: 開発者や研究者は、小さなタスクのために既存のコードを作り直す必要がありません。代わりに、既存のプログラムを使用して、より大規模なプロジェクトの開発と実装にかかる時間を節約できます。
• 品質の向上: 同じトピックを研究している複数の研究者からの意見を取り入れることで、コードにエラーが存在しないという保証が得られます。
• 長期的な利用可能性：オープンソースプログラムは、いかなるビジネスや特許にも縛られていません。そのため、複数のWebページに投稿することができ、将来的にも利用可能であることが保証されます。^[33]

計算生物学に関する大規模な会議がいくつかあります。注目すべき例としては、Intelligent Systems for Molecular Biology、European Conference on Computational Biology、Research in Computational Molecular Biologyなどがあります。

計算生物学に特化したジャーナルも数多くあります。注目すべき例としては、Journal of Computational BiologyやPLOS Computational Biologyがあります。PLOS Computational Biology は、計算生物学の分野で多くの注目すべき研究プロジェクトを掲載する査読付きオープンアクセスジャーナルです。これらのジャーナルでは、ソフトウェアのレビューやオープンソースソフトウェアのチュートリアルが提供され、今後開催される計算生物学カンファレンスの情報も掲載されています。^[要出典]この分野に関連するその他のジャーナルには、Bioinformatics、Computers in Biology and Medicine、BMC Bioinformatics、Nature Methods、Nature Communications、Scientific Reports、PLOS Oneなどがあります。

計算生物学、バイオインフォマティクス、数理生物学はいずれも、数学や情報科学などの定量的分野から派生した生命科学への学際的アプローチです。NIHは、計算/数理生物学を、生物学における理論的および実験的問題に対処するための計算/数学的アプローチの使用と定義し、対照的に、バイオインフォマティクスを、複雑な生命科学データを理解するための情報科学の応用と定義しています。^[1]

具体的には、NIHは

計算生物学：生物学、行動学、社会学のシステムの研究のためのデータ分析および理論的手法、数学的モデリング、計算シミュレーション技術の開発と応用。^[1]

バイオインフォマティクス：生物学、医学、行動学、健康学のデータの利用を拡大するための計算ツールやアプローチの研究、開発、または応用。これには、そのようなデータの取得、保存、整理、アーカイブ、分析、視覚化などが含まれます。^[1]

それぞれの分野は独立していますが、そのインターフェースには大きな重複がある可能性があり、^[1]多くの人にとって、バイオインフォマティクスと計算生物学は同じ意味で使用されている用語です。

計算生物学と進化計算という用語は似た名前を持っていますが、混同しないでください。計算生物学とは異なり、進化計算は生物学的データのモデル化と分析には関係していません。代わりに、種間の進化のアイデアに基づいてアルゴリズムを作成します。遺伝的アルゴリズムと呼ばれることもありますが、この分野の研究は計算生物学に適用できます。進化計算は本質的に計算生物学の一部ではありませんが、計算進化生物学はそのサブフィールドです。^[34]

• バイオインフォマティクス