大規模ながん患者・健常人のプロテオミクスデータを統合した機械学習解析を実施しました。異なるプロジェクトで取得された2つのデータセットのバッチ間差を補正したうえでモデルを構築し、がん組織か健常組織かを分類する精度について定量的な評価を行いました。また、複数がん種それぞれを識別するモデルを構築し、分類に

複数のがん種にわたる遺伝子変異・発現量の横断解析を進めている研究の一環として、解析内容の精査と論文化に向けた補強を支援しました。単一がん種を対象とした解析は多数報告されているものの、全トランスクリプトームデータと変異データをがん種横断的に統合した解析は先行例が少なく、保有する大規模データからどのよう

化合物-タンパク質の相互作用予測モデルに対して、化合物の物性予測を補助タスクとして加えたマルチビュー学習の枠組みを実装し、物性タスクの補助学習が相互作用予測の正則化として機能する傾向を確認しました。あわせて化合物の入力表現を配列言語モデル・グラフニューラルネットワーク・分子記述子の3種に拡張すること

ペプチド医薬品が注目される創薬領域を対象に、既存の創薬AIモデルにペプチドを新たなモダリティとして統合した相互作用予測モデルを開発しました。複数の表現学習手法を実装・比較し、標準評価条件と未知分子への汎化評価の両面で性能を検証しました。また、モダリティ間の変換機能（ペプチドと化合物の双方向変換）の実

既存AIモデルの性能評価結果を踏まえ、検査データの体系的なバイアス（測定ばらつき・不均衡分布）に対応する、検体の物性差を考慮した補正処理を組み込んだ前処理パイプラインを構築し、AIモデルの精度向上を図りました。本件以降も継続的な技術支援関係の構築に取り組んでいます。

文部科学省が2026年4月より公募を開始した「AI for Science 萌芽的挑戦研究創出事業（SPReAD1000）」は、あらゆる分野の研究者等がAIを利活用して科学研究の高度化・加速化を図るための支援制度です。申請にあたっては、研究計画へのAI記載・費目の設計・計算環境の選定など、専門知

開発中のマルチオミクスデータ相関解析プログラムを対象に、統計処理の妥当性検証と技術的な改善提案を実施しました。また、処理性能のボトルネックを特定し、並列化と出力形式の変更による高速化実装のサポートを行いました。その結果、全体の処理時間は約25%削減、ファイル出力部分は約90%の削減を達成しました。ま

直腸癌の治療効果予測を目的とした、マルチモーダルデータ解析の計画立案を支援しました。MRI・CT・内視鏡・病理画像などの医用画像から、全ゲノムシーケンスやRNA-seqを含むオミックスデータ、診療記録などを対象としています。国内外の論文を横断的に調査し、こうした複数モダリティのデータをAIで統合