舟橋　啓 (フナハシ　アキラ)

Funahashi, Akira

写真a

所属（所属キャンパス）

理工学部 生命情報学科 （矢上）

職名

准教授

HP

外部リンク
このページの先頭へ▲

総合紹介 【 表示 ／ 非表示 】

  • 本研究室では生命現象に関する疑問から理論モデルを構築、シミュレーションによる予測、実験による定量的検証、というボトムアップアプローチで生命現象のシステムレベルでの理解を目指しています。また、シミュレーション、データ解析、理論構築に必要となる技術基盤の開発も行っています。

このページの先頭へ▲

経歴 【 表示 ／ 非表示 】

  • 1997年04月
    -
    2000年03月

    日本学術振興会特別研究員(DC1)

  • 2000年05月
    -
    2002年03月

    三重大学工学部情報工学科助手

  • 2002年04月
    -
    2007年03月

    科学技術振興機構ERATO-SORST北野共生システムプロジェクト 研究員

  • 2004年04月
    -
    2005年03月

    早稲田大学大学院理工学研究科電気・情報生命専攻非常勤講師

  • 2004年04月
    -
    2007年03月

    システムバイオロジー研究機構 研究員

全件表示 >>

このページの先頭へ▲

学歴 【 表示 ／ 非表示 】

  • 2000年03月

    慶應義塾, 理工学研究科, 計算機科学専攻

    大学院, 修了, 博士

  • 1997年03月

    慶應義塾, 理工学研究科, 計算機科学専攻

    大学院, 修了, 修士

  • 1995年03月

    慶應義塾, 理工学部, 電気工学科

    大学, 卒業

このページの先頭へ▲

学位 【 表示 ／ 非表示 】

  • 博士(工学), 慶應義塾, 課程, 2000年03月

このページの先頭へ▲
 

研究分野 【 表示 ／ 非表示 】

  • システムゲノム科学

  • 生命・健康・医療情報学 (生体生命情報学)

このページの先頭へ▲

研究キーワード 【 表示 ／ 非表示 】

  • システム生物学

  • 定量生物学

  • 計算生物学

このページの先頭へ▲
 

著書 【 表示 ／ 非表示 】

  • 数でとらえる細胞生物学

    Ron Milo, Rob Phillips, 舟橋 啓, 羊土社, 2020年03月,  ページ数： 320

    担当範囲: 監訳

  • 組織としての生命

    荒金 直人, 堀田 耕司, 坂内健一,鳥海 崇, 山尾 佐智子, 舟橋 啓, 林 良信, 河野 礼子, 大宮 勘一郎, 黒沢 文貴, 田上 雅徳, 斎藤 慶典, 慶應義塾大学出版会, 2019年05月,  ページ数： 240

    担当範囲: 生命現象を組織として理解する

  • バイオインフォマティクス入門

    秋山 泰, 中井 謙太, 冨田 勝, 向井 有理, 長崎 英樹, 中村 保一, 池田 修己, 向井 友花, 越中谷 賢治, 飯田 泰広, 濱田 康太, 榊原 康文, 舟橋 啓, 鎌田 真由美, 小森 隆, 佐藤 健吾, 浜田 道昭, 内山 郁夫, 阿部 貴志, 野口 英樹, 白井 剛, 土方 敦司, 諏訪 牧子, 有田 正規, 後藤 修, 櫻井 望, 慶應義塾大学出版会, 2015年08月,  ページ数： 176

    担当範囲: 第2章 計算科学

  • Modeling and Simulation Using CellDesigner

    MATSUOKA Yukiko, FUNAHASHI Akira, GHOSH Samik, KITANO Hiroaki, Springer, 2014年06月

    担当範囲: 121-145

    　概要を見る

    In silico modeling and simulation are effective means to understand how the regulatory systems function in life. In this chapter, we explain how to build a model and run the simulation using CellDesigner, adopting the standards such as SBML and SBGN.

  • Introduction to Systems Biology

    Shapiro, B., Finney, A., Hucka, M., Bornstein, B., Funahashi, A., Jouraku, A., Keating, S., Novere, N., Matthews, J., and Schilstra, M., Humana Press, 2007年07月

    担当範囲: 395-421

全件表示 >>

このページの先頭へ▲

論文 【 表示 ／ 非表示 】

  • The Systems Biology Graphical Notation

    舟橋 啓

    NATURE BIOTECHNOLOGY 27 （ 8 ） 735-741 - 741 2009年08月

    研究論文（学術雑誌）, 共著, 査読有り,  ISSN  1087-0156

  • Using process diagrams for the graphical representation of biological networks.

    Kitano, H., Funahashi, A., Matsuoka, Y., and Oda, K.

    Nature Biotechnology 23 （ 8 ） 961-966 2005年08月

    研究論文（学術雑誌）, 共著, 査読有り

  • A comprehensive pathway map of epidermal growth factor receptor signaling

    Oda Kanae, Matsuoka Yukiko, Funahashi Akira, Kitano Hiroaki

    MOLECULAR SYSTEMS BIOLOGY 1 （ 1 ） 1-17 2005年05月

    研究論文（学術雑誌）, 共著, 査読有り,  ISSN  1744-4292

  • The principles of whole-cell modeling

    Karr Jonathan R., Takahashi Koichi, Funahashi Akira

    CURRENT OPINION IN MICROBIOLOGY 27   18 - 24 2015年10月

    研究論文（学術雑誌）, 共著, 査読有り,  ISSN  1369-5274

    　概要を見る

    <p>Whole-cell models which comprehensively predict how phenotypes emerge from genotype promise to enable rational bioengineering and precision medicine. Here, we outline the key principles of whole-cell modeling which have emerged from our work developing bacterial whole-cell models: single-cellularity; functional, genetic, molecular, and temporal completeness; biophysical realism including temporal dynamics and stochastic variation; species-specificity; and model integration and reproducibility. We also outline the whole-cell model construction process, highlighting existing resources. Numerous challenges remain to achieving fully complete models including developing new experimental tools to more completely characterize cells and developing a strong theoretical understanding of hybrid mathematics. Solving these challenges requires collaboration among computational and experimental biologists, biophysicists, biochemists, applied mathematicians, computer scientists, and software engineers.</p>

  • Acceleration of discrete stochastic biochemical simulation using GPGPU

    Sumiyoshi Kei, Hirata Kazuki, Hiroi Noriko, Funahashi Akira

    FRONTIERS IN PHYSIOLOGY 6   155 - 169 2015年02月

    研究論文（学術雑誌）, 共著, 査読有り,  ISSN  1664-042X

全件表示 >>

このページの先頭へ▲

KOARA（リポジトリ）収録論文等 【 表示 ／ 非表示 】

このページの先頭へ▲

総説・解説等 【 表示 ／ 非表示 】

  • COVID-19 Disease Map, building a computational repository of SARS-CoV-2 virus-host interaction mechanisms

    Ostaszewski M., Mazein A., Gillespie M.E., Kuperstein I., Niarakis A., Hermjakob H., Pico A.R., Willighagen E.L., Evelo C.T., Hasenauer J., Schreiber F., Dräger A., Demir E., Wolkenhauer O., Furlong L.I., Barillot E., Dopazo J., Orta-Resendiz A., Messina F., Valencia A., Funahashi A., Kitano H., Auffray C., Balling R., Schneider R.

    Scientific Data (Scientific Data)  7 ( 1 )  2020年12月

    研究論文, 共著

  • 電気式焦点可変レンズによる三次元計測システムの構築

    舟橋 啓, 仲井 祐一郎, 広井 賀子

    実験医学 ((株)羊土社)  37 ( 18 ) 3116 - 3120 2019年10月

    総説・解説（学術雑誌）, 共著,  ISSN  0288-5514

  • 【病理形態学の新技術】画像解析と深層学習を用いた診断の基礎

    舟橋 啓, 徳岡 雄大, 大岡 麻耶, 西本 勝利, 山田 貴大, 広井 賀子

    病理と臨床 ((株)文光堂)  37 ( 7 ) 631 - 635 2019年07月

    総説・解説（学術雑誌）, 共著,  ISSN  0287-3745

  • ネムリユスリカの培養細胞の乾燥耐性に迫る

    山田 貴大, 舟橋 啓, 黄川田 隆洋

    バイオサイエンスとインダストリー(B&I) ((一般財団法人)バイオインダストリー協会(JBA))  77 ( 4 )  2019年07月

    総説・解説（学術雑誌）

  • システムバイオロジーにおけるシミュレーション技術と実装

    舟橋 啓, 広井 賀子

    日本薬理学雑誌 ((公社)日本薬理学会)  147 ( 2 ) 101 - 106 2016年02月

    総説・解説（学術雑誌）, 共著,  ISSN  0015-5691

    　概要を見る

    生命現象の理解には個別のコンポーネントについての理解に加え、それらの統合されたふるまいを知る必要がある。このような様々な分子のダイナミクスの背景にあるメカニズムを理解する上で強力なツールとなるのが数理モデルである。システムバイオロジーでは、数理モデルを用いて生命現象を司るメカニズムを理解する手法を頻用する。歴史的には解析的に解くことが可能なモデルが用いられたが、コンピュータの発達により、常微分方程式モデル、偏微分方程式モデル、確率モデル、これらのハイブリッドモデルなど多岐に渡る形式で記述されたモデルを数値計算によって解くようになった。こうした背景から、作成したモデルの正しい挙動を数値的に得るための、正確な数値計算技術が不可欠の要素となっている。本稿では、各モデル化手法の特徴を概説した後、システムバイオロジー研究において広く利用されている代表的なアプリケーション(シミュレータ)について、ソフトウェアの全体像から実装されているアルゴリズムまで、原典を挙げて解説する。数値計算手法の実装内容を正確に知ることは、ユーザにとってはモデルが備えるべき内容を理解し、結果を正しく解釈するために有用となる。また開発者にとっては、不必要な重複を避け、新しいブレークスルーを実現するための技術が何であるか、自らの創造性の発端を得るためにより重要な知識となるだろう。(著者抄録)

全件表示 >>

このページの先頭へ▲

研究発表 【 表示 ／ 非表示 】

  • 腫瘍内不均一性を考慮した予後の予測に向けた深層学習ベースの組織画像解析

    舟橋 啓

    群馬大学数理データ科学教育研究センター主催第1回レギュラトリー サイエンスセミナー (群馬県) , 2019年09月, 口頭（招待・特別）

  • 機械学習による画像分類

    舟橋 啓, 徳岡 雄大

    AIによる生物画像解析トレーニングコース (熊本県) , 2019年08月, 口頭（招待・特別）

  • Inference of transcriptional regulatory network driven by desiccation and rehydration in Polypedilum vanderplanki

    比企 佑介, 山田 貴大, Kozlova, O., Cornette, R., Gusev, O., 黄川田 隆洋, 舟橋 啓

    Moscow Conference on Computational Molecular Biology 2019 (Moscow, Russia) , 2019年07月, 口頭（招待・特別）

  • Mathematical Modeling with CellDesigner.

    FUNAHASHI Akira

    Computational and Mathematical Biology Course, Okinawa Institute of Science and Technology (沖縄県) , 2019年07月, 口頭（招待・特別）

  • CellDesigner: A modeling tool for biochemical networks

    舟橋 啓

    COMBINE 2019 (Heidelberg, Germany) , 2019年07月, 口頭（招待・特別）

全件表示 >>

このページの先頭へ▲

競争的資金等の研究課題 【 表示 ／ 非表示 】

  • 深層学習を用いた細胞追跡アルゴリズムの開発

    2020年04月
    -
    2023年03月

    慶應義塾大学, 舟橋 啓, 基盤研究(B)

  • 深層学習を用いたヒトES,iPS細胞由来心筋細胞の分化、成熟度評価法の開発

    2019年06月
    -
    2021年03月

    慶應義塾大学, 藤田 淳, 舟橋 啓, 挑戦的研究(萌芽)

    　研究概要を見る

    申請者は心筋細胞の純化法や大量培養法を確立したが、多能性幹細胞由来の心筋細胞技術の汎用化、産業化のためには大量の心筋細胞の品質を効率よく短時間で評価する方法を確立する必要性がある。画像解析データとオミックスデータを照合することによって心筋細胞の分化誘導効率と成熟度を評価するアルゴリズムを作製することができれば、心筋細胞の品質評価だけでなく、効率的な心筋細胞の分化誘導法や成熟化法を開発するための強力なツールとなる。
    本挑戦的技術の開発は病態解明と創薬開発におけるES/iPS細胞研究のブレークスルーを達成するものであり、その成果は循環器領域にとどまらず他領域にも役立つ極めて汎用性の高い技術である。

  • 力学刺激の知能化によるin vitro3次元組織の超効率的成熟化

    2019年04月
    -
    2022年03月

    慶應義塾大学, 尾上 弘晃, 倉科 佑太, 舟橋 啓, 山田 貴大, 三浦 重徳, 藤田 淳, 遠山 周吾, 基盤研究(A)

    　研究概要を見る

    本研究の目的は，多様な力学刺激条件によって促進されるin vitro 3次元組織の成熟化の条件探索プロセスを，計算機制御された力学刺激培養装置と単一細胞ライブイメージングおよび深層学習，ベイズ的最適化を併用することで，迅速かつ効率的・効果的なin vitro組織成熟化を可能とする新規方法論を創出することである．これにより，金銭的・時間的・人的に多大なコストが必要であった現在の再生医療研究開発の課題を革新的に解決すると同時に，汎用的な組織工学の次世代基盤技術の創出を目指す．

  • 教師なし特徴学習による高精度多細胞種セグメンテーションアルゴリズムの開発

    2018年04月
    -
    2020年03月

    文部科学省・日本学術振興会, 科学研究費助成事業, 舟橋　啓, 新学術領域研究(研究領域提案型), 補助金,  代表

    　研究概要を見る

    本研究は既存の画像解析・機械学習アルゴリズムでは実現されていない、細胞種に依らない汎化性が高い高精度細胞セグメンテーションアルゴリズムの構築をAutoencoder(自己符号化器)を用いることで実現することを目的としている。
    平成30年度は多層ニューラルネットワークの構造、学習アルゴリズムの適否について詳細に検討し、検討を行ったアルゴリズムから順次実装を進めた。当研究課題において開発を行うセグメンテーションアルゴリズムの中核をなすのは多層ニューラルネットワークと自己符号化器となる。当該年度では多層ニューラルネットワークの一種であるU-Netをベースとしたアルゴリズムの検討を行った。
    U-Netは大局的な特徴を抽象化して学習するとともに、局所的な特徴も合わせて学習することが可能なアーキテクチャであり、その独自なネットワーク構造により高い性能を示すが、機械学習が本質的に持っている問題点である「学習効果は与える学習データに強く依存する」という点は未解決である。当該年度はU-Netの構造を保ちつつ、自己符号化が可能なネットワークの検討を行い、Pythonによる深層学習フレームワークである Chainer を用いて実装を行った。
    学習データに関しては、HeLa細胞の顕微鏡画像を撮像しセグメンテーションの正解データを用意し、セグメンテーションの学習を行った。また他の細胞種(NIH3T3, SH-SY5Y等)の顕微鏡画像を撮像し、自己符号化器にて教師なし学習を行い、精度評価を行った。
    畳み込みニューラルネットワークを用いた細胞セグメンテーションアルゴリズムである U-Net と自己符号化器を結合した学習モデルの構築を行った。モデル前半部は自己符号化器として正解ラベルを用いずに NIH-3T3 細胞画像を学習させ、モデル後半部は NIH-3T3 の自己符号化器で得られた特徴を基に HeLa 細胞画像の正解ラベルを用いて学習を行った。
    得られた三つの学習済みモデルで NIH-3T3 のセグメンテーションを行い精度を評価した。
    セグメンテーションの評価指標であるIoUを用いてセグメンテーション精度を評価した。HeLa を学習させた U-Net モデルの IoU が 0.609 であったのに対し、本研究のモデルは 0.496 であり、先行研究を上回らなかった。
    本研究のモデルが高精度にセグメンテーションを行えなかった理由を明らかにするべく、学習済みモデルの解析を行ったところ、モデル前半部の自己符号化器の学習が適切に行われなかったことが明らかとなった。
    本研究で提案したアルゴリズムは、先行研究のU-NetモデルにHeLaを学習させ、NIH-3T3をセグメンテーションした場合の精度を上回らなかった。今年度は、自己符号化器モデルの構造の再検討や入力画像へのノイズ付加によって、自己符号化器がセグメンテーションに有効な特徴を抽出するような改良を計画している。
    具体的には、まずNIH/3T3の顕微鏡画像で自己符号化器モデルを学習させ、NIH/3T3の特徴を抽出した後、自己符号化器で抽出した特徴を各層ごとに連結したモデルを作成することを計画している。続いて、作成したモデル内の自己符号化器で抽出した特徴を利用しつつHeLaの正解ラベルを用いて学習させることで自己符号化器で抽出した特徴を利用して細胞画像をセグメンテーション可能なモデルの構築を計画している。

  • ゲノム構造変化にともなう乾燥無代謝休眠特異的な遺伝子制御ネットワークの全容解明

    2017年04月
    -
    2021年03月

    国立研究開発法人農業・食品産業技術総合研究機構, 黄川田 隆洋, 舟橋 啓, 基盤研究(A)

    　研究概要を見る

    黄川田グループ：平成29年度は、ネムリユスリカ培養細胞の乾燥耐性誘導過程に変動するゲノム高次構造を知る目的で、手始めに水和状態のPv11細胞をコントロールにin situ HiC解析を行った。その結果、染色体のTADとドメイン構造を判別することが可能になった。また、HiCデータの利用により、ネムリユスリカゲノムアッセンブリーのスキャホールドN50の大幅な向上が確認できた。Pv11細胞の乾燥・再水和過程の遺伝子発現変動パターンを知るために、total RNA-seqを実施した。得られたデータを舟橋グループに供与した。CRISPRによるゲノムワイドな遺伝子破壊を実行するために、ネムリユスリカゲノム上のPAM配列を含む領域を網羅的に同定し、最終的に100,000個のサイトを選抜した。また、CRISPRによってターゲット遺伝子に変異が生じた細胞を効率良く単離するためのソーティング技術も確立することができた。
    舟橋グループ：平成29年度は、細胞単位で乾燥耐性を持つことが報告されているネムリユスリカ胚由来培養細胞であるPv11細胞の乾燥耐性獲得に必要とされるトレハロースを豊富に含む培地で処理するトレハロース処理後の時系列RNA-seqデータをもとに、発現を有意に変動させた転写因子を統計解析により得た。続いて、これら転写因子の発現変動の前後関係をもとにダイナミックベイジアンネットワークモデル及び確率微分方程式モデルを用いて各転写因子間の制御関係を推定した。
    黄川田グループ：in situ Hi-C技術が、非モデル生物の培養細胞であるPv11にも適用可能である事を確認できた。その上、ゲノムアッセンブリーの向上が行えた結果、染色体数（4組）とほぼ同数のスキャホールドを得るに至った。この精度の高いゲノム情報は、今後のトランスクリプトーム解析の確度を高める事が大いに期待できる。Pv11細胞でのCRISPR技術も確立できたことで、乾燥耐性に寄与しうる遺伝子を効率良く同定する方法論が出そろった。
    舟橋グループ：今年度はPv11細胞の時系列RNA-seqデータを用いて乾燥耐性獲得に関わる転写制御ネットワークの推定に成功した。推定されたネットワークの尤もらしさ(生物学的妥当性)を評価するために、推定したネットワークの次数分布と冪乗則を仮定した際の指数の評価を行った。推定したネットワークは既知生物種の転写制御ネットワークと類似した次数分布、冪乗則の指数を示したことから、生物学的に尤もらしい乾燥耐性転写制御ネットワークが得られている可能性が高いと考えられる。
    黄川田グループ：今年度確立された技術を大きく展開し、乾燥誘導過程のTADの変動とそこに含まれる遺伝子セットの発現変動の相関を順次解き明かしていく。Pv11細胞へのCRISPRもハイスループットかを推し進めることで、ゲノムワイドな乾燥耐性責任遺伝子の同定を効率良く進めていく。
    舟橋グループ：今年度推定を行ったネットワークの構造に基づき、上流遺伝子のノックアウト・ノックダウン実験を行い、下流遺伝子の発現が有意に変動するかを検証することを計画している。これにより、ネットワーク中の偽陽性(本来は制御関係がない場所にあるとしてしまう過誤)の排除を行うことができる。平成29年度では乾燥耐性獲得に関わる転写制御ネットワークの推定を行ったが、今後は再水和過程における転写制御ネットワークの推定、更にはゲノム構造変化にともなう乾燥無代謝休眠特異的な遺伝子制御ネットワークの推定を行う。

全件表示 >>

このページの先頭へ▲

受賞 【 表示 ／ 非表示 】

  • 平成27年度科学研究費審査委員表彰

    2015年10月, 日本学術振興会

このページの先頭へ▲
 

担当授業科目 【 表示 ／ 非表示 】

  • システムバイオロジー特論

    2020年度

  • 生命情報特別講義第１

    2020年度

  • システムバイオロジー

    2020年度

  • 生命情報輪講

    2020年度

  • 生命現象の分子科学

    2020年度

全件表示 >>

このページの先頭へ▲

担当経験のある授業科目 【 表示 ／ 非表示 】

  • 生命情報実験D

    慶應義塾, 2017年度, 秋学期, 専門科目, 実習・実験

  • 生命情報実験C

    慶應義塾, 2017年度, 秋学期, 専門科目, 実習・実験

  • 基礎生命実験

    慶應義塾, 2017年度, 秋学期, 専門科目, 実習・実験, 40人

  • 生命情報特別講義第1

    慶應義塾, 2017年度, 秋学期, 専門科目, 講義

  • 先端創薬科学

    慶應義塾, 2017年度, 秋学期, 専門科目, 講義, 40人

全件表示 >>

このページの先頭へ▲
 

委員歴 【 表示 ／ 非表示 】

  • 2020年05月
    -
    継続中

    Google Summer of Code Mentors, Google Summer of Code 2020

  • 2019年05月
    -
    2019年08月

    Google Summer of Code Mentors, Google Summer of Code 2019

  • 2019年04月
    -
    継続中

    JST未来事業「共通基盤」領域 専門アドバイザー, 科学技術振興機構

  • 2018年08月
    -
    2019年11月

    International Conference on Systems Biology (ICSB) 2018 査読委員, International Conference on Systems Biology (ICSB)

  • 2017年05月
    -
    2017年08月

    Google Summer of Code Mentors, Google Summer of Code 2017

全件表示 >>

このページの先頭へ▲