生体分子を材料とする人工的な分子反応システムのダイナミクスを，数理モデルを用いて解析・設計するための理論的な枠組み，およびそのモデル構築に必要なデータを効率的に取得する実験系を構築し，分子システム設計に応用することで有用性を示した．特に，物理法則から導かれる第一原理モデルを，実験データから学習される機械学習モデルで補完する方法を提案し，第一原理モデルだけでは捉えることが難しい複雑な反応環境場の影響を考慮した反応予測モデルを構築した．また，反応環境場がわずかずつ異なる系を大量に生成してモデルの同定に利用するためのマイクロ流体実験系を構築し，その有用性を検証した．
We developed a theoretical framework for analyzing and designing the dynamics of biomolecular systems using a mathematical model, and an experimental platform that efficiently supplements data necessary for constructing such models. Specifically, we developed a modeling framework that combines the first-principles model derived from physical laws with a machine learning model learned from experimental data. The proposed framework enabled robust prediction and analysis of systems' dynamics that takes into account the influence of environmental factors, which was difficult to capture with the first-principles model alone. A microfluidic system was also developed to generate a large number of parallel reaction systems with slightly different environmental factors and use for model identification.

研究種目 : 基盤研究 (B) (一般)
研究期間 : 2018～2021
課題番号 : 18H01464
研究分野 : 制御工学