私たちの目標は，生命科学データに潜むパターンや関係を見出し，生命現象の理解を広げ深めることにあります。観測データと蓄積された知識を手がかりに生命の状態や関係の捉え方を考え，統計学と機械学習を用いて解析の方法を設計する。こうして得られた構造を元の観測や実験に照らして検証し，理解と予測に役立つ概念や説明へと育てていきます。
化合物による摂動と生体応答は，化合物作用を理解するうえで表裏一体の問題です。分子の表現から細胞や組織，そして個体の状態までを対象に，オミクスや病理画像などの多様なデータを通じて生体の応答と変化を理解し，その予測と制御につなげることを目指しています。
Iori Azuma, Tadahaya Mizuno, Hiroyuki Kusuhara
Briefings in Bioinformatics (2024)
Inferring cell type proportions from bulk transcriptome data is crucial in immunology and oncology. Here, we introduce guided LDA deconvolution (GLDADec), a bulk deconvolution method that guides topics using cell type-specific marker gene names to estimate topic distributions for each sample.
[Paper]
Takumi Iwasaka, Katsuhisa Morita, Iori Azuma, Tomoka Nakagawa, Eri Nakashima, Tomomi Kamei, Yuki Kato, Hiroyuki Kusuhara & Tadahaya Mizuno
Toxicological Sciences (2026)
We established a drinking-water mouse model of cholestatic liver injury using 4,4'-methylenedianiline (MDA). Compared with the thioacetamide drinking-water model, MDA induced stronger cholestatic biochemical features, bile duct hyperplasia, and periportal fibrosis. This model provides a simple platform for time-resolved studies of liver injury progression and inflammatory responses.
[Paper]Figure 3 reproduced from Iwasaka et al., Toxicological Sciences (2026), CC BY 4.0.
水野班のメンバーは、教員、学生、技術専門職員で構成されています。
