機械学習を用いたメタボローム解析によるラドン吸入の生物学的影響データの総合的な解釈

Comprehensive interpretation of data on biological effects of radon inhalation by metabolomics using machine learning

神崎 訓枝   ; 迫田 晃弘   ; 片岡 隆浩*; 田中 裕史 ; 山岡 聖典*

Kanzaki, Norie; Sakoda, Akihiro; Kataoka, Takahiro*; Tanaka, Hiroshi; Yamaoka, Kiyonori*

本研究では、低線量放射線の生物学的影響の総合的な解釈を可能とする機械学習の一種である自己組織化マップ(SOM)を用いたメタボローム解析を行ったマウス脳から27種類の代謝物が検出され、ラドン吸入により、メチオニンの群平均は有意に増加する等の変化があった。しかしながら、どの代謝物も被ばく量(ラドン濃度と吸入期間)に相関は見られなかった。そこで、全代謝物を総合的に評価し、被ばくに対するバイオマーカーとしての可能性を検討した。全代謝物の情報を反映させた視覚効果に優れた出力マップはSOMによって代謝物27次元のデータを2次元へ変換して得られた。検出された全代謝物の包括的な評価は、被ばく量に依存した生物学的効果を示していた。ラドンの適応応答について議論するための重要な知見となりうる非線形な現象を示すことができたと考えられる。

The present study analyzed the data on metabolomics using machine learning, i.e. self-organizing maps (SOM), which allows one to make a comprehensive interpretation of data on biological effects of low-dose radiation. Of 55 metabolites in mouse brain of interest, 27 were detected. For example, Methionine was significantly higher than those in the control group. However, any metabolites indicated no correlations with the exposure mount. We then tried to comprehensively evaluate a set of metabolites. The visible output map that reflected the information of all metabolites was obtained by converting the 27-dimensional data on the metabolites to two dimensions using SOM. This inclusive consideration for all metabolites detected might present that the biological effect depended on the exposure amount. This map may be a representation of the nonlinear phenomenon caused by irradiation and could contribute to supporting discussion about adaptive response of radon.