この度、当社グループが携わった研究の成果が、科学誌「PLOS ONE」にて共著論文として掲載されましたので、お知らせいたします。
当論文では、機械学習アプローチを用いて、人口統計学的特徴、薬物的特徴、ゲノム的特徴から、非常に高い精度で、炎症性サイトカインレベルの予測が可能であったことが報告されました。
当研究には、当社の欧州子会社REPROCELL Europe Ltd.の役員ら3名が参加し、論文の共著者となっております。

論文タイトル：Combining explainable machine learning, demographic and multi-omic data to inform precision medicine strategies for inflammatory bowel disease

掲載論文は、下記のリンクより閲覧できます。
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0263248

【論文概要】

潰瘍性大腸炎やクローン病などの炎症性腸疾患（IBD）は、世界中で数百万人が罹患しています。

これらの疾患は、臨床的、免疫学的、遺伝学的レベルで一様ではなく、複雑な相互作用に起因しています。こういった複雑性への理解を深めるために、バイオインフォマティクスをベースにした機械学習アプローチを用いて、患者由来の組織でのex vivo試験で得られた薬理学的反応に関連する重要な特徴（マルチオームデータ、人口統計学的データ、薬物および薬理学的データ）の組み合わせを推論し、薬効を予測するモデル構築を行いました。

今回のモデルでは、人口統計学的特徴、薬物的特徴、ゲノム的特徴から、炎症性サイトカインTNFαレベルをわずか4.98%の誤差範囲で予測することができました。