It has been feasible to analyze a life phenomenon as a physical phenomenon thanks to the progress of modern biotechnology. It is molecular biology that succeeds because of analyzing elementary components in life reaction. Before long, it was clear that life could not be analyzed by looking at just individual reactions. It became necessary to regard life as a system. In addition to the elucidation of a life phenomenon, it is possible to design a novel living thing which is useful for a human being by means of modeling living things.
In this laboratory, we develop three major themes in order to analyze a life phenomenon as a system.
The first objective is to develop an observing technology of life phenomena. Based on the central dogma of life phenomena, life repeats the reaction of DNA->RNA->Protein. If these words are compared to terms in the field of computer science, it can be said that DNA is memory, RNA (thereafter, gene = RNA) is order and Protein is execution. It is also said that life is a MIMD machine. The technique of reading DNA sequences was successfully established by the genome project. Gel electrophoresis was the major technique at the beginning. Next, capillary electrophoresis method was invented. Besides that, the MEMS chip for sequence analysis has recently emerged. In the near future, it becomes of much importance to develop a technique to observe when and what type of gene is expressed, in other words, to know when and what type of order is executed. In order to realize that, there exist DNA chips and Polymerase Chain Reaction (PCR). These technologies are used to observe an expression pattern of a large quantity of RNA simultaneously. We develop a technology to observe precisely when and how many genes are expressed, using genome information.
The second objective is to develop a technology to analyze observed data. The action of the whole life system can not be analyzed only by observing the movement of one gene. It needs to analyze the relation of genes influencing each other in terms of time and space by means of observing gene expression patterns as a whole. In order to realize this, we develop combinatorial mathematical technique such as machine learning.
The third objective is to develop a computer system executing the two above. A large quantity of life phenomenal data have been provided at high speed by the advanced robot technology called High Throughput Screening (HTS). In general this technology is used to support drug design. In addition, the machine learning algorithm, which uses large amount of accumulated knowledge relating to life phenomena, consists of complicated calculation algorithms. This demand a large quantity of computer resources in order to process vast amounts of data through these refined algorithms. Moreover, problems specific to life science databases must be considered, such as privacy of genetic information. In order to resolve these problems, we construct a grid computing environment consisting of computer nodes distributed all around the world.
In addition, the analysis of a certain kind of a gene expression network is a NP complete problem. Thus, we develop a new architecture called super parallel memory in order to solve such a problem rapidly.
Il a été faisable d'analyser un phénomène de la vie comme un phénomène physique grâce au progrès de la biotechnologie moderne. C'est la biologie moléculaire qui a réussit à travers l'analyse des composants élémentaires dans la réaction de la vie. Il'était clair que la vie ne pourrait pas être analysée en regardant des réactions juste individuelles. Il est devenu nécessaire à considérer la vie comme un système. En plus d'élucidation d'un phénomène de la vie, il'est possible de concevoir une chose vivante nouvelle qui est utile pour un être humain au moyen de modeler des choses vivantes.
Dans ce laboratoire, nous développons trois thèmes majeurs pour analyser un phénomène de la vie comme un système.
Le premier objectif est développer une technologie d'observer des phénomènes de la vie. Basé sur le dogme central de phénomènes de la vie, la vie répète la réaction de flux d'ADN >ARN->Protèine. Si ces mots sont comparés aux termes dans le champ d'informatique, il peut être dit que l'ADN est mémoire, l'ARN (par la suite, gène = ARN) est ordre et la Protéine est exécution. Il peut aussi être dit que la vie est une machine MIMD. La technique de lire des séquences d'ADN a été établie par le succès du projet de génome. L'electrophoresis du gel a été la technique majeure au début. Et puis, la méthode de l'electrophoresis capillaire a été inventée. En plus cela, les puces MEMS pour analyser de la séquence a émergé récemment. Dans le futur proche, il devient important de développer une technique pour observer quand et quel type de gènes est exprimé, en d'autres termes, savoir quand et quel type d'émissions de l'ordre est fait. Pour realiser cela, il existe la puce d'ADN et Polymerase Chaîne Réaction (PCR). Ces technologies sont utilisées pour observer simultanément une expression d'une grande quantité d'ARN. Nous développons une technologie pour observer précisément quand et combien de gènes sont exprimés en utilisant de l'information du génome cible.
Le deuxième objectif est développer une technologie pour analyser des données observées. L'action du système de la vie entier ne peut pas être analysée seulement en observant le mouvement d'un gène. Il a besoin d'analyser la relation de gènes qui influencent l'un l'autre quant à temps et espace au moyen d'observer l'expression entière de gènes dans l'ensemble. Pour se rendre compte de ceci, nous développons une combinatorial technique mathématique avec la machine learning.
Le troisième objectif est développer un système informatique qui rend effectif les deux au-dessus. Une grande quantité de données du phénomène de la vie a été fournie à haute vitesse par la technologie du robot pointu, qui s'appelle High Throughput Screening (HTS) pour élaborer du medicament nouvel. De plus, l'algorithme de la machine learning qui utilise un enorme quantite de connaissance accumulée concernant phénomènes de la vie consiste en algorithmes du calcul compliqués. Elle demande une grande quantité de ressources de calcul pour traiter des quantites vastes de données à travers ces algorithmes raffinés. De plus, les problèmes spécifique à base de données du phénomène de la vie doivent être considéré, tel que secret d'information génétique. Pour résoudre ces problèmes, nous construisons un environnement de l'informatique des grilles des calculs qui consiste en des noeuds d'ordinateur distribués autour du monde.
De plus, l'analyse d'un certain genre d'un réseau de l'expression de gènes est un problème NP complet. Donc, nous développons une nouvelle architecture, qui s'appelle la mémoire parallèle super pour résoudre un tel problème rapidement.
