<ファクトデータベース・フリーウェア特集号> 一括学習型自己組織化マップ(BL-SOM)を利用したメタボロームおよびトランスクリプトームデータの統合解析 [Special Issue: Fact Databases and Freewares] Integrated Data Mining of Transcriptome and Metabolome Based on BL-SOM

Access this Article

Author(s)

    • 矢野 美弦 Yano Mitsuru
    • 千葉大学大学院薬学研究院 遺伝子資源応用研究室|理化学研究所 植物科学研究センター Graduate School of Pharmaceutical Science, Chiba University|RIKEN Plant Science Center
    • 金谷 重彦 Kanaya Shigehiko
    • 奈良先端科学技術大学院大学 情報科学研究科 Graduate School of Information Science, Nara Institute of Science and Technology
    • Md. Altaf-Ul-Amin
    • Graduate School of Information Science, Nara Institute of Science and Technology
    • 黒川 顕 Kurokawa Ken
    • 奈良先端科学技術大学院大学 情報科学研究科 Graduate School of Information Science, Nara Institute of Science and Technology
    • 斉藤 和季 Saito Kazuki
    • 千葉大学大学院薬学研究院 遺伝子資源応用研究室|理化学研究所 植物科学研究センター Graduate School of Pharmaceutical Science, Chiba University|RIKEN Plant Science Center

Abstract

本論文の目的は、我々が開発した一括学習型自己組織化マップ(BL-SOM)のソフトウエアを活用することにより植物科学の分野で得られるポストゲノム科学の多変量データから生物学的に有用な知見を効率よく抽出できることを例証することである。BL-SOMは典型的なSOMを特に分子生物学の分野におけるデータ解析に向けて改変したものであり、学習の結果がデータの入力順に依存しないという特性を持っているため結果の再現性が保証されている。我々はこの解析ツールをフーリエ変換イオンサイクロトロン型質量分析装置(FT-ICRMS)による代謝物蓄積量の網羅的測定(メタボローム)とマイクロアレイによる遺伝子発現解析(トランスクリプトーム)を行うポストゲノム的手法による植物の栄養ストレス応答に関する研究に応用した。メタボロームデータの解析では、まずBL-SOMの可視化機能により植物の栄養ストレス応答の全体像をメタボリックフィンガープリンティングとして直感的に把握できる様式で示すことができ、植物が栽培条件や組織に依存して代謝物蓄積量プロファイルを大きく変化させていることを明らかにした。また、BL-SOMのもうひとつの特性である優れたクラスタリング機能を利用して、精密質量数から生物学的にも合理的と考えられる化合物名を推定することができ、欠乏させた元素を含む重要な二次代謝物の蓄積量が経時的に大きく変化することを明らかにした。トランスクリプトームデータの解析においては、適切な時系列データをBL-SOMで解析することにより、その機能が塩基配列からの推定にとどまっている遺伝子の機能を複数の代謝経路において同時に効率よく包括的に予測する方法を確立した。さらにこの方法によって予測した遺伝子の機能のいくつかを酵素学的方法によって確認することができた。BL-SOMはポストゲノムにおけるomics科学の分野で大量に得られる異なった種類のデータを統合して解析する際にも極めて有用な知識抽出のためのツールとなる可能性を示した。本ソフトウエアは以下のサイトにおいて無償でダウンロードできる(http://prime.psc.riken.jp)

With the recent advances of sophisticated bioinformatics tools and analytical technology, the systems biological approach becomes more realistic to solve biological problems. The aim of this study is to illustrate a feasibility of batch-learning self-organizing map (BL-SOM) for high-throughput analysis of post-genomic data on plant biology. BL-SOM is a modification of the conventional SOM, which provides colored feature maps independent of the order of data input. We conducted the nutritional stress experiments on a model plant Arabidopsis thaliana and applied the BL-SOM to analysis of the data sets of metabolome and transcriptome obtained by Fourier-transform ion cyclotron resonance mass spectrometry (FT-ICRMS) and DNA microarray. BL-SOM analyses of non-targeted metabolome data provided metabolic fingerprinting of global responses to nutritional stress and developments. Using the clustering performance of BL-SOM, we deduced metabolite identification from accurate mass values and elucidated a metabolic mechanism responding to sulfur deficiency. Transcriptome data were also analyzed by BL-SOM, and genes responding to sulfur deficiency were classified according to their expression patterns. The result showed that functionally related genes were clustered in the same or neighbor lattice points. We examined each cluster and deduced putative functions of genes involved in glucosinolate biosynthesis, and the function of some of those genes was identified by biochemical experiments. Our present study suggests that application of BL-SOM to an integrated post-genomic omics data gives great possibilities for more accurate prediction in systems biology. The BL-SOM software is provided freely at our web site (http://prime.psc.riken.jp).

Journal

  • Journal of Computer Aided Chemistry

    Journal of Computer Aided Chemistry 7, 125-136, 2006

    Division of Chemical Information and Computer Sciences The Chemical Society of Japan

Codes

  • NII Article ID (NAID)
    130004428070
  • Text Lang
    ENG
  • Data Source
    J-STAGE 
Page Top