計算生物学

計算解剖学とは、目に見える解剖学的または肉眼的な解剖学的構造における解剖学的形状と形態の研究である。${\displaystyle 50-100\mu }$形態学のスケール。これは、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およびデータ解析手法の開発を伴います。医療画像装置ではなく、画像化される解剖学的構造に焦点を当てています。磁気共鳴画像法などの技術による高密度3D計測が可能になったため、計算解剖学は、3Dで形態素スケールでの解剖学的座標系を抽出するための医療画像処理およびバイオエンジニアリングのサブ分野として出現しました。

計算解剖学の本来の定式化は、変換によって作用する例から形状と形態を生成するモデルとしてである。^{[ 12 ]}微分同相群は、 1 つの解剖学的構成からのラグランジュおよびオイラーの流れの速度によっ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る。$\displaystyle {\mathbb {R} }^{3}}$これは、形状統計学や形態計測学と関連していますが、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計測学として知られています。

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研究する学問である。これは、実験生物学のような経験主義的なアプローチとは異なり、問題に対してより理論的なアプローチをとることを意味する。^{[ 13 ]}数理生物学は、離散数学、トポロジー（計算モデリングにも有用）、ベイズ統計学、線形代数、ブール代数に基づいている。^{[ 14 ]}

これらの数学的手法により、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手法が開発され、バイオインフォマティクスと呼ばれる分野が確立されました。通常、このプロセスには遺伝学と遺伝子解析が含まれます。

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シミュレーションの構築を指す）などの研究分野が拡大しています。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 ]}現在の技術は小規模な生物システムに焦点を当てていますが、研究者は、より大規模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、これが新しい薬や遺伝子治療を作成するための現代的な医療アプローチの開発に不可欠になると考えています。^{[ 15 ]}有用なモデリングアプローチは、 esyNなどのツールを使用してペトリネットを使用することです。^{[ 16 ]}

近年まで、理論生態学は主に、経験的生態学者が用いる統計モデルとは切り離された分析モデルを扱ってきた。近年では、計算手法が生態系のシミュレーションを通して理論の発展に貢献するとともに、生態学的分析における計算統計学の手法の応用も増加している。

システム生物学は、細胞レベルから集団全体に至るまで、さまざまな生物システム間の相互作用を計算し、創発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、細胞レベルでのこれらの複雑な相互作用を研究するために、生物学的モデリングとグラフ理論の計算技術がよく使用されます。^{[ 14 ]}

計算生物学は、以下の方法で進化生物学を支援してきた。

• 計算系統学を用いてDNAデータから生命の樹を再構築する
• 集団遺伝学モデル（順方向時間^{[ 17 ]}または逆方向時間）をDNAデータに適合させて、人口動態史または選択史について推論を行う。
• 進化システムの集団遺伝学モデルを第一原理から構築し、何が進化する可能性が高いかを予測する
• 計算玩具モデルと複雑系形式論を用いて、進化における急激な大きな変化の痕跡を見つける。^{[ 18 ]}

計算ゲノミクスは、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、計算ゲノミクスの一例です。このプロジェクトは、ヒトゲノム全体を配列決定してデータセットにすることを目指しています。完全に実装されれば、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。^{[ 19 ]}これにより、個人の既存の遺伝的パターンに基づいて治療法を処方する、個別化医療の可能性が開かれます。研究者たちは、動物、植物、細菌、その他すべての種類の生命 体のゲノムを配列決定しようとしています。 ^{[ 20 ]}

ゲノムを比較する主な方法の1つは、配列相同性によるものです。相同性とは、共通の祖先から派生した異なる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%はこの方法で特定できることが示唆されています。^{[ 20 ]}

配列アライメントは、生物学的配列や遺伝子間の類似性を比較・検出するためのもう一つの手法です。配列アライメントは、 2つの遺伝子の最長共通部分配列の計算や、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応用において有用です。

計算ゲノミクスにおける未開拓のプロジェクトの一つは、ヒトゲノムの約97%を占める遺伝子間領域の解析である。^{[ 20 ]}研究者たちは、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を理解しようと取り組んでいる。

個々の遺伝子が分子レベル、細胞レベル、個体レベルで生物の生物学にどのように貢献す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、個体レベルのシステムに至るまで、生物システムの最新の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、ヒトから細菌まで、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および非コードRNA分子）の機能に関する現在の科学的知識の計算表現を提供します。^{[ 21 ]}

3D ゲノミクスは、計算生物学の一分野で、真核細胞内の遺伝子の組織化と相互作用に焦点を当てています。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、ゲノム構造マッピング(GAM) です。GAM は、核から帯状の断片を切り出して DNA を調べる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ることにより、ゲノム内のクロマチンと DNA の 3D 距離を測定します。核プロファイルとは、核から採取されたこの帯状またはスライスのことです。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接触のゲノムネットワークを捉えます。^{[ 22 ]}

計算生物学は、心血管疾患などの疾患のバイオマーカーの特定にも役割を果たしており、ゲノミクス、プロテオミクス、メタボロミクスなどのさまざまな「オミクス」データを統合することで、研究者は疾患の診断、予後、治療戦略に役立つ潜在的なバイオマーカーを発見することができます。たとえば、メタボロミクス分析では、冠動脈疾患と心筋梗塞を区別できる特定の代謝物が特定されています。^{[ 23 ]}

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ある。神経科学の一分野であり、脳をモデル化することで神経系の特定の側面を検証しようとする。^{[ 24 ]}脳のモデルには以下のようなものがある。

• 現実的な脳モデル：これらのモデルは、可能な限り細胞レベルでの詳細を含め、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関する最も多くの情報を提供しますが、同時に最も大きな誤差の許容範囲も持ちます。脳モデル内の変数が多いほど、より多くの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、最も計算負荷が高く、実装に最もコストがかかります。^{[ 25 ]}
• 脳モデルの単純化：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しようとします。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を減らすことができます。^{[ 25 ]}

計算神経科学者の仕事は、こうした計算の速度を向上させるために現在使用されているアルゴリズムとデータ構造を改良することである。

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リングによってモデル化する新興分野です。いくつかの取り組みにより、計算モデリング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。^{[ 26 ] [ 27 ] [ 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ます。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、計算上の大きな課題が生じます。これらの課題を克服するために、生物学者は計算ツールに頼って生物学的データを正確に測定および分析しています。^{[ 29 ]}がん研究では、計算生物学は腫瘍サンプルの複雑な分析を支援し、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ちます。DNA、RNA、およびその他の生物学的構造からの数百万のデータポイントを含むハイスループット測定の使用は、がんを早期に診断し、がんの発生に寄与する主要な要因を理解するのに役立ちます。重点分野には、がんを引き起こす決定的な分子の分析や、ヒトゲノムが腫瘍の発生にどのように関連しているかの理解が含まれます。^{[ 29 ] [ 30 ]}

計算毒性学は学際的な研究分野であり、医薬品の発見および開発の初期段階で、候補薬の安全性と潜在的な毒性を予測するために用いられる。

計算薬理学とは、「ゲノムデータの影響を研究して特定の遺伝子型と疾患との関連性を見つけ、その後、薬剤データをスクリーニングする」ことである。^{[ 31 ]}

計算生物学の応用分野として、創薬がますます広がりを見せている。例えば、プロテオミクスやメタボロミクス実験のデータを用いた細胞内および細胞間シグナル伝達イベントのシミュレーションは、生体内における薬剤候補の薬物動態や薬力学を解明する際の実験への依存度を低減する可能性がある。 ^{[ 32 ]}

人工知能は、創薬プロセスにおいてますます中心的な役割を担うようになっている。既知の医薬品の化学構造を入力として使用することで、AIモデルはリード化合物の構造を提案したり、薬物とタンパク質の結合の新たな様式を予測したりすることができる。AIはまた、候補分子の仮想スクリーニングにも使用され、スクリーニングのために多数の分子を合成する必要性を回避している。^{[ 33 ] [ 34 ]}

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。一例として、k平均クラスタリングがあります。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し、各データポイントが最も近い平均値を持つクラスターに属するようにするものです。別の例として、 kメドイドアルゴリズムがあります。これは、クラスターの中心またはクラスターセントロイドを選択する際に、クラスターの平均値だけでなく、そのデータポイントの中から1つを選択します。

アルゴリズムは以下の手順に従います。

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となります。
2. 各点とk個のクラスターのそれぞれとの間の距離を測定します。（これは各点から各点kまでの距離です。）
3. 各点を最も近いクラスターに割り当ててください。
4. 各クラスターの中心（メドイド）を求めます。
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することで、クラスタリングの質を評価する。
7. kの値を様々に変えて、これらの手順を繰り返してください。
8. グラフ上で、kの値の分散が最も小さくなる「エルボー」を見つけることで、最適なkの値を選択してください。

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から収集されます。^{[ 35 ]}この情報には、特定のゲノム領域にどの核プロファイルが現れるかに関するデータが含まれています。この情報を使用して、ジャッカード距離を使用して、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とは、異なるオブジェクト間のつながり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、代謝ネットワーク、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数多くありますが、その一つがグラフの中心性を調べることです。グラフの中心性を調べると、ノードの人気度やグラフ内での中心性に応じてノードの順位が付けられます。これは、どのノードが最も重要かを判断するのに役立ちます。例えば、一定期間における遺伝子の活性に関するデータが与えられた場合、次数中心性を用いることで、ネットワーク全体でどの遺伝子が最も活性が高いか、あるいはどの遺伝子がネットワーク全体で他の遺伝子と最も多く相互作用しているかを知ることができます。これは、特定の遺伝子がネットワーク内で果たす役割の理解に貢献します。

グラフの中心性を計算する方法は数多くあり、それぞれ中心性に関する異なる種類の情報が得られます。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。^{[ 36 ]}

教師あり学習とは、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。生物学においては、分類方法がわかっているデータがあり、さらに多くのデータをその分類カテゴリに分類したい場合に、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としてランダムフォレストがあります。これは、多数の決定木を使用してモデルを訓練し、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、ある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。生物学的な実例としては、個人の遺伝子データを使用して、その個人が特定の病気や癌を発症しやすい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に対して正確に1つの特徴（前の例では特定の遺伝子）をチェックし、結果に基づいて左右に分岐します。次に、各葉ノードで、決定木はデータセットにクラスラベルを割り当てます。つまり、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葉へのパスをたどり、その結果としてデータセットが分類されます。一般的に、決定木のターゲット変数は、はい/いいえなどの離散値を取ります。この場合、分類木と呼ばれますが、ターゲット変数が連続値の場合は回帰木と呼ばれます。決定木を構築するには、まず訓練データセットを用いて、目的変数を最もよく予測する特徴量を特定するための訓練を行う必要があります。

これらは、計算生物学において高速行列乗算アルゴリズムを利用しようとする試みである。この種の研究の例としては、^{[ 37 ]}および^{[ 38 ]}が挙げられる。

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、その恩恵を受けることができる計算生物学のためのプラットフォームを提供する。^{[ 39 ]} 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4つを挙げている。

• 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た正確な方法を使用することが可能になります。
• 開発の迅速化：開発者や研究者は、小規模なタスクのために既存のコードを再作成する必要がなくなります。代わりに、既存のプログラムを利用することで、大規模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。
• 品質向上：同じテーマを研究している複数の研究者から意見をもらうことで、コードにエラーがないという確証が得られます。
• 長期的な利用可能性：オープンソースプログラムは、いかなる企業や特許にも縛られていません。そのため、複数のウェブページに掲載することができ、将来にわたって利用可能であることが保証されます。^{[ 40 ]}