学術的背景 脳波（Electroencephalogram, EEG）は、脳活動を研究するための重要なツールであり、神経科学、臨床診断、脳-コンピュータインタフェースなどの分野で広く使用されています。しかし、EEG信号は収集プロセス中にさまざまなアーティファクト（artifacts）の影響を受けやすく、例えば眼電図アーティファクト（Electrooculography, EOG）や筋電図アーティファクト（Electromyography, EMG）などがあります。これらのアーティファクトはEEG信号の品質を著しく低下させ、その後の分析や応用に影響を及ぼします。既存の方法は単一のアーティファクトを除去するために開発されていますが、複数のアーティファクトが同時に存在する場合、これらの方法は十分な...

学術的背景 現実世界では、ネットワークデータ（ソーシャルネットワーク、引用ネットワークなど）は通常、複数のタイプのノードとエッジを含み、これらのネットワーク構造は時間とともに動的に変化します。これらの複雑なネットワークをよりよく分析するために、研究者たちはネットワーク埋め込み（network embedding）技術を提案し、ネットワーク内のノードとエッジを固定長のベクトルとして表現し、ノード分類、リンク予測などの後続の分析タスクを容易にしました。しかし、従来のネットワーク埋め込みモデルは、動的異種ネットワーク（dynamic heterogeneous networks）を処理する際に多くの課題に直面しており、特にネットワーク構造の動的変化と異質性を効果的に捉える方法が問題となっています。...

膿毒症（Sepsis）は、感染によって引き起こされる全身性炎症反応症候群であり、多臓器不全や高い死亡率を引き起こすことが多い。現代医学技術は膿毒症の治療において大きな進歩を遂げているが、依然として一部の患者は病状の急激な悪化により死亡している。そのため、膿毒症患者の死亡リスクを正確に予測することは、臨床医が迅速で個別化された介入戦略を立てる上で極めて重要である。しかし、既存の臨床スコアリングシステム（APACHE-IIやSOFAスコアなど）は、重症患者の全体的な病状を評価できるものの、膿毒症患者に特化して最適化されていない。さらに、従来の機械学習モデルは時系列データを処理する際に、疾患の進行の時系列的特徴を見落とすことが多く、予測性能が限られている。 これらの課題に対処するため、本研究ではT...

乳がんは世界の女性の中で最も一般的な悪性腫瘍の一つです。早期介入と適切な治療により、患者の生存率は大幅に向上しましたが、依然として約30％の症例が再発し、遠隔転移を起こし、5年生存率は23％以下となっています。従来の臨床予測方法、例えばバイオマーカー、臨床画像、分子検査などは一定の価値を持っていますが、感度が低く、コストが高く、利用可能性が限られており、患者内の異質性などの問題もあります。そのため、術後乳がん患者の再発リスクと生存率を正確に予測し、タイムリーな介入と全体的な予後改善を可能にする新しい方法の開発が、現在の研究における緊急の課題となっています。 近年、人工知能（AI）技術の急速な発展により、乳がんの予後予測に新たな可能性がもたらされています。ディープラーニングは強力なAI技術とし...

近年、ヒト腸内細菌叢（Human Gut Microbiota, HGM）が薬物や栄養素の代謝において重要な役割を果たすことが認識されるようになってきました。腸内細菌叢は、経口薬の生物学的利用能に影響を与えるだけでなく、その代謝酵素を介して薬物や生物活性分子の生体変換（biotransformation）に関与し、薬物の薬物動態や薬力学特性に影響を及ぼします。しかし、腸内細菌叢の複雑さや個人間の差異により、特定の微生物が薬物や栄養素の代謝に果たす具体的な役割を特定することは依然として大きな課題です。この問題を解決するため、研究者たちはGutBugDBを開発しました。これは、ヒト腸内細菌叢が媒介する生物および異生物質（xenobiotic）分子の生体変換を予測するためのオープンアクセスのデジタ...

ゲノミクス分野において、ゲノムの空間的構造を理解することは、遺伝子制御メカニズムを解明する上で極めて重要です。Hi-C技術は、全ゲノム染色体構造捕捉技術として、ゲノムの三次元構造を明らかにするものであり、特にクロマチンループ（chromatin loops）が遺伝子制御において重要な役割を果たしています。しかし、既存のHi-Cデータ解析手法は、共有されるクロマチンループを識別することはできるものの、細胞タイプ特異的なクロマチンループを検出することは困難です。これにより、異なる細胞タイプにおける遺伝子制御メカニズムの理解が制限されています。この問題を解決するため、Rui Liuらは、SSSHiC（Significance in Scale Space for Hi-C Data）と呼ばれる新し...