This website (all pages under https://www.kyushu-u.ac.jp/ja/) is automatically translated.
Please note that pages of academic units linked from this site, as well as external websites, are not subject to automatic translation.
To revert to the original Japanese while automatic translation is active, please click "Automatic Translation."
Please be aware that automatic translation is a mechanical process and may not accurately convey the intended meaning. In addition, images and charts may not be translated.
For accurate information, please refer to the Japanese version.
For some articles, an English version translated by our specialist staff is available. To view it, click "English" in the upper right corner of the screen.
本サイト(https://www.kyushu-u.ac.jp/ja/ 配下のページ)では自動翻訳システムを使用しています。
本サイト内からリンクされている部局のページや外部サイトについては、自動翻訳の対象外となります。
翻訳適用中に、「Automatic Translation」をクリックすると元の日本語表示に戻ります。
自動翻訳は機械的に変換を行うため、意図が正確に反映されない場合や、画像・図表が翻訳されない場合があります。あらかじめご了承ください。
正確な情報については日本語表示の状態でご確認ください。
なお、一部の記事については、専門スタッフが翻訳した英語版もご用意していますので、画面右上の「English」をクリックしてご覧ください。
Research Results 研究成果
株式会社BlueMeme(本社:東京都千代田区、代表取締役社長:宮脇 訓晴、以下 BlueMeme)は、九州大学 生体防御医学研究所 高深度オミクスサイエンスセンター バイオメディカル情報解析分野 長﨑研究室(教授:長﨑 正朗、以下 九州大学)との共同研究により、量子AIを活用したゲノム解析技術「QTFPred(Quantum-based Transcription Factor Predictor)」を開発しました。本研究成果が、2025年11月26日(水)、英国オックスフォード大学出版局が発行する国際学術誌「Briefings in Bioinformatics※1」に掲載されましたことをお知らせいたします。
概要
1. 少量データでも高精度に予測できる新しいAIモデルを開発
量子計算の仕組みを搭載した独自のAIモデル「QTFPred」を開発(図参照)。実験データが限られるような転写因子でも結合パターンを高い精度で予測できるように設計。
2. 従来のAIを上回る精度を実証
ヒト細胞の公開データを用いた検証において、ほぼすべてのタスクでQTFPredは既存のAIモデルよりも高い予測精度を実現。訓練データが少量の条件でも安定した予測性能が可能となり、研究現場での活用に十分耐えうる性能を示した。
3. 転写因子の協調的結合のパターンを発見
解析の結果、複数の転写因子が協調して結合する仕組みが明らかとなった。生命現象の理解を一層深めるとともに、創薬研究にも新しい可能性をもたらす成果となった。
長﨑正朗教授 コメント
転写因子がDNAに結合する位置を正確に予測することは、遺伝子の働きや病気の仕組みを理解するうえで重要です。しかし、組織特異的な細胞で協調して機能する転写因子では十分な実験データが得られず、精度の高い解析が難しいという課題がありました。本研究では、量子計算の特性を活かし、この課題を克服する新しいアプローチを示すことができました。量子機械学習はまだ発展途上ですが、実用化に向けた大きな一歩になったと考えています。
システム生命科学府博士課程5年 松原太一 コメント
量子計算は、重ね合わせの原理によって従来よりも多くの情報を同時に処理できる技術で、現在のAIの技術的困難を解決するものです。今回、量子計算を搭載したモデルであるQTFPredを設計し、その有用性を実際のゲノムデータ解析という実用的な課題で実証することができました。現在はGPUシミュレーションで実装していますが、将来的に実機の量子コンピュータが利用可能になれば、より大規模で複雑な生命システムの解析が可能になります。創薬や個別化医療への応用を見据え、量子AI技術の社会実装に向けた研究を加速させていきます。
論文情報
掲載誌:Briefings in Bioinformatics(Oxford University Press)
論文タイトル:QTFPred: Robust High-Performance Quantum Machine Learning Modeling that Predicts Main and Cooperative TF Bindings with Base Resolution
掲載日:2025年11月26日
筆頭著者:松原 太一
責任著者:長﨑 正朗
共著者:町田宗聡(BlueMeme)、松岡真功(BlueMeme) 他
DOI:10.1093/bib/bbaf604
※1 Briefings in Bioinformatics:https://academic.oup.com/bib
Oxford University Pressが発刊する生命科学分野の査読付き国際学術誌です。ゲノミクス、プロテオミクス、トランスクリプトミクス、構造生物学、システム生物学など幅広い分野を対象とし、特にバイオインフォマティクス(生命情報科学)における最新の手法や応用研究を扱っています。
お問い合わせ先