東京大学 大学院情報理工学系研究科の加藤 雅己 大学院生と、 #東大生研 の小林 徹也 教授の研究グループは、環境を「外部記憶」として使う分散的な集団の知能を最適化の観点で捉える理論を構築しました。単純な知能しか持たない個体でも、集団で分散的に情報処理することで、高度な知能をもつ単独の個体を超える知性を発揮できることを示しました。単純なエージェントの群れやチームが分散的に振る舞いつつも集合として最適な情報処理を実現できることがわかり、今後、医療、人工知能、ロボット工学への応用が期待されます。

東京大学 大学院情報理工学系研究科の堀口 修平 博士課程(研究当時)(現:金沢大学ナノ生命科学研究所特任研究員)と、 #東大生研 兼 生物普遍性連携研究機構 小林徹也教授による研究グループは、細胞内分子群や動物個体群、感染症など、生体集団の示す不確実で予測が困難なふるまいを効果的にコントロールするための新たな理論を開発し、分子モーターの最適な輸送制御則や、集団多様性を維持する最適戦略、そして、感染症の抑制方法などを導きました。情報理論に基づく制御コストを活用することで、従来の制御理論で扱いが困難であった生体集団の動態制御を可能にする理論を構築し、特に急激に変化する制御が難しい集団では、集団の状態に依存して「いつ制御すべきか、いつ待つべきか」を自発的に切り替えるスイッチング戦略が効果的であることを明らかにしました。本研究は、感染症流行の制御、がんの進行抑制、生物多様性の保全など、生命と健康に関わるさまざまな生体集団制御問題に対して、共通かつ汎用的な制御理論の枠組みを提供するものであり、複雑生体系の理解と制御の高度化に貢献することが期待されます。

慶應義塾先端科学技術研究センターの徳岡雄大研究員と同大学理工学部の舟橋啓教授、山田貴大専任講師、近畿大学生物理工学部の山縣一夫教授、 #東大生研 の小林徹也准教授らのグループは、深層学習を用いることで、マウス受精卵の細胞分裂の様子を連続的に撮影したデータから高精度に出生予測を行うAI(NVAN)の開発に成功しました。NVANによる出生予測の分類精度は83.87%と驚くほど高く、これまでの世界最高峰の機械学習手法や胚培養の経験者による目視検査を凌駕することに成功しました。本手法は、体外受精の胚評価における新たな基盤技術として、ヒト生殖補助医療や家畜動物生産分野に貢献することが期待されます。

#東大生研 の小林 徹也 准教授らの研究グループは、化学反応システムの平衡・非平衡な性質を統一的に扱う新理論を構築しました。また、化学反応の持つ非線形で非平衡な特性を新たな幾何学を用いて扱うことに成功しました。高効率に機能する生体化学反応システムの理解や新たな工学システムの設計に寄与することが期待されます。

#東大生研 の杉山 友規 特任助教、上村 淳 特任助教、Dimitri Loutchko特任研究員、小林 徹也 准教授らの研究グループは、体積変化を伴った化学熱力学を扱う新規理論を構築し、それを用いて成長を実現しうる物理化学的環境条件と熱力学的に実現可能な成長状態、そして成長に伴い生じる熱的散逸を世界で初めて導出しました。熱力学第二法則のみに立脚する本研究の枠組みは、多種多様な化学分子や反応速度論を持つ系に広く適用でき、生命の起源や生命の普遍的性質の理解に加えて、人工自己複製分子・細胞システムの実現に不可欠な熱力学的基礎を与えることが期待されます。

東京大学 大学院工学系研究科 博士課程3年の堅山 耀太郎 大学院生と #東大生研 の小林 徹也 准教授は、免疫細胞の一種であるT細胞がもつ受容体の遺伝子配列データから、特定の感染症の感染状況や感染履歴を判別する新しい手法「MotifBoost」を考案しました。また、複数のウイルス感染症に適用可能であることも示しました。この手法は、学習に用いる患者数が従来の手法の1/10程度の場合や、1患者あたりのデータ量が1/100程度と少ない場合でも、安定に感染状況を判定できました。新型コロナウイルス等の新規感染症や、患者数の少ない免疫疾患等、データを集めづらい疾患の感染状況の判別や感染履歴の検出に応用できる可能性があります。

東京大学 大学院情報理工学系研究科 博士課程2年の中村 絢斗 大学院生と #東大生研 の小林 徹也 准教授は、生物が匂いの源を探索する際にとるべき最適な行動制御の原理を、生物に見られるノイズや非線形性を考慮した上で扱える理論を構築し、その理論が実際の生物の探索行動を理解する上で役立つことを、大腸菌の嗅覚・運動制御系を例に示しました。生物の探索行動の最適性を議論したり、探索ロボットのような探索システムを設計したりするための理論的基礎となることが期待されます。

東京大学 大学院情報理工学系研究科 博士課程3年の中島 蒼 大学院生と #東大生研 の小林 徹也 准教授は、進化と学習の関係を扱う新たな数理手法を構築することで、先祖の経験を生物個体が学習し、先祖をまねた形質を選択すると仮定すると、ランダムな突然変異のみを考慮した場合よりも、進化が加速されることを数理的に明らかにしました。学習による進化の加速を定量化する方法として、フィッシャーの基本定理を拡張しました。これらの理論は、生体における学習と進化の関係の理解のみならず、学習と進化を組み合わせた工学・情報システムの開発にも寄与すると期待されます。

#東大生研 の上村 淳 特任助教と小林 徹也 准教授は、大腸菌など分裂を繰り返す単細胞生物のサイズ変化を計測したデータから、細胞分裂時のサイズを制御する法則を推定する手法を提案しました。一定の環境下に置かれた細胞でも、細胞のサイズや細胞分裂までの時間などを制御する法則は、しばしば大きな成長ゆらぎに隠され、見出すことが容易ではありませんでした。本手法は、深層学習を応用することで、データから確率的に生じるばらつき成分を取り除き、従来法と比べてより正確かつ柔軟に、さまざまな計測量の関係性を表現・推定することができました。細胞の成長や分裂に強い相関関係を示す指標を特定し、細胞分裂を制御する原理を解明する強力な手法となると期待されます。

#東大生研 の小林 徹也 准教授らは、最適フィルター理論を用いることで、大腸菌の匂い探知システムが物理的・情報理論的に最適な感知を実現するために必要な構造を有することを初めて示しました。また、理論により予測されるフィードバック制御関数形状が、実験計測とほぼ一致することを見出しました。この結果は、大腸菌の匂い探知システムが物理的・情報論的限界を達成しうる構造を持つことを示唆するものであり、本手法は生体システムが持つ様々な機能の最適性を調べる理論的基礎となります。

#東大生研 の小林 徹也 准教授らは、人工知能分野で発展の著しい強化学習の理論を応用し、免疫系が過去の感染経験から学習をする過程を扱う新しい理論を構築しました。本結果は、免疫系を脳と類似の生体学習システムとして捉え、その複雑かつ非直感的な振る舞いを包括・予測する理論基盤へと発展することが期待されます。

#東大生研 の小林 徹也 准教授らのグループは、深層学習を用いることで、マウス受精卵の3次元蛍光顕微鏡画像から正確に細胞核を同定するアルゴリズム(QCANet)の開発に成功しました。また、QCANetは3つの生物種(マウス、線虫、ショウジョウバエ)の胚の核同定において、世界最高峰の核同定アルゴリズムとして知られる3D Mask R-CNNを凌駕することに成功しました。

理研 生命医科学研究センター免疫恒常性研究チームの秋山 泰身 チームリーダーと東大生研の小林 徹也 准教授らの共同研究グループは、リンパ組織である「胸腺」が機能傷害を受けた後に修復する過程についての数理モデルを構築し、その解析により胸腺修復に重要な新たな機構を明らかにしました。