Graph AIは、データセット内のデータをグラフとして活用することで高精度の学習を実現する革新的な技術です。この技術は、広範囲な分野に応用することができ、バイオ領域のように欠損を含むデータセットを扱う分野においても高精度な学習を可能にします

Link:
Graph-based Relational Learning
NEC技報 | NEC

個別化ワクチンの設計において、私たちは個人のMHC対立遺伝子（主要組織適合遺伝子複合体）に基づいてウイルス由来抗原の 免疫応答の可能性を予測 することを目指しています。特に、大規模なタンパク質配列データセットと、自然言語処理の分野で近年注目されている深層学習モデルBERTを活用することで、MHCクラスIIペプチドの結合と提示 を高精度に予測するモデルBERTMHCを開発しました。この取り組みによりT細胞ベースの免疫療法に新たな方向性を提供します。

Link:
BERTMHC: improved MHC–peptide class II interaction prediction with transformer and multiple instance learning | OP-CBIO210426 4172..4179 (neclab.eu)

がん組織の複雑な特徴や腫瘍の遺伝的な異質性に加えて、シーケンシングやアライメントによる人為的なデータの歪みによって、体細胞変異の正確な検出は困難な作業です。この課題に対応するため、私たちはNeoMutateフレームを開発しました。この変異検出のためのフレームワークは、7つのバリアントコーリングアルゴリズムを統合した機械学習アルゴリズムであり、多様なバリアントコーリングの結果を高精度に統合するものです。

Link:
NeoMutate: an ensemble machine learning framework for the prediction of somatic mutations in cancer | BMC Medical Genomics | Full Text (biomedcentral.com)

NEC Bioは、HLAハプロタイプのデータベース（約22,000人分）を用いて、広範なHLAハプロタイプに対して免疫応答を引き起こすエピトープホットスポットの効果を、多様な集団でシミュレーションする「Digital Twin」技術を開発しました。NEC Immune Profilerの「抗原提示」、「細胞表面結合」、「免疫原性」に関する予測を強力な「Digital Twin」技術と統合することで、世界中の人々を最大限に広くカバーする最適なホットスポットのサブセットの特定に成功し、広範な予防効果が期待できるワクチン設計が可能になりました。

Link:
Artificial intelligence predicts the immunogenic landscape of SARS-CoV-2 leading to universal blueprints for vaccine designs - PMC (nih.gov)