ヒト細胞における薬物応答の遺伝子レベルでの理解は創薬の重要課題ですが、すべての薬物やヒト細胞の組み合わせに対して網羅的に観測することは困難であり、未観測値や欠損値が解析上の障害となっていました。九州工業大学の岩田通夫会員と山西芳裕会員らは、薬物応答遺伝子発現データを、薬物、遺伝子、細胞、時系列からなるテンソル構造と見なし、新しいテンソル分解アルゴリズムを用いて、様々な細胞における未観測の薬物応答を予測する機械学習手法を開発しました。これにより、薬物の効能を高精度に予測することが可能になることを示しました。開発手法は、薬物の作用メカニズムの解明、薬効予測、医薬品候補化合物の探索などに活用できるため、医薬品開発に大きく貢献することが期待されます。
掲載論文：
Iwata, M., Yuan, L., Zhao, Q., Tabei, Y., Berenger, F., Sawada, R., Akiyoshi, S., Hamano, M., and Yamanishi, Y., "Predicting drug-induced transcriptome responses of a wide range of human cell lines by a novel tensor-train decomposition algorithm", Bioinformatics, 35 i191–i199, 2019 (Special Issue of ISMB/ECCB2019).
DOI: 10.1093/bioinformatics/btz313
URL: https://academic.oup.com/bioinformatics/article/35/14/i191/5529149
プレスリリース（JST）：
https://www.jst.go.jp/pr/announce/20190708/index.html
プレスリリース（理化学研究所）：
http://www.riken.jp/pr/press/2019/20190708_2/
プレスリリース（九州工業大学）：
https://www.kyutech.ac.jp/whats-new/press/entry-6639.html
