近年、空間オミクス観測の解像度が大幅に改善しつつあり、細胞内部の分子プロファイルの網羅的な空間分布が取得可能になりつつあります。その一方で、Subcellular解像度のオミクスプロファイルを扱える情報解析技術は、まだほとんど登場していません。我々は、このような観測データに対して、深層学習技術の活用により、立体的な空間パターンの再構築技術などの開発を行っています。これにより液-液相分離等により生じる細胞内部のコンパートメントの分子プロファイルを解明します。