重水 大智 (Daichi Shigemizu), Ph.D 

連絡先

〒474-0038 愛知県大府市森岡町7-430

E-mail: daichi (at) ncgg.go.jp

〒230-0045 神奈川県横浜市鶴見区末広町1丁目7番22号

E-mail: daichi.shigemizu (at) riken.jp

略歴      

2023年  8月〜現在                    広島大学大学院 医系科学研究科 客員教授

2023年  4月〜現在                    国立長寿医療研究センター 研究所 メディカルゲノムセンター オミクスデータ統合解析室長 (併任)

2021年  5月〜現在                    国立長寿医療研究センター 研究所 メディカルゲノムセンター バイオインフォマティクス研究部長

2018年  4月~2024年  3月   理化学研究所 生命医科学研究センター 医科学数理研究グループ 客員研究員

2017年  4月〜2022年  3   東京医科歯科大学 難治疾患研究所 ゲノム応用医学研究部門 医科学数理分野 非常勤講師

2021年  4月〜2021年  4月   国立長寿医療研究センター 研究所 メディカルゲノムセンター バイオインフォマティクス研究副部長

2017年  4月〜2021年  3月   国立長寿医療研究センター メディカルゲノムセンター 遺伝統計解析ユニット長

2017年  4月〜2021年  3月   理化学研究所 医科学イノベーションハブ推進プログラム 疾患データ統合グループ 客員研究員

2015年  9月~2018年  3月   理化学研究所 統合生命医科学研究センター 医科学数理研究グループ 客員研究員

2015年  9月〜2017年  3月   東京医科歯科大学 難治疾患研究所 ゲノム応用医学研究部門 医科学数理分野 講師

2013年  4月~2015年  8月   理化学研究所 統合生命医科学研究センター 医科学数理研究グループ 研究員

2011年  5月~2013年  3月   理化学研究所 ゲノム医科学研究センター 情報解析研究チーム 特別研究員

2010年11月~2011年  4月    Postdoctoral Fellow, University of Massachusetts Medical School

2009年10月~2011年  4月    Postdoctoral Fellow, Boston University

2009年11月                                    京都大学大学院  理学研究科 生物科学専攻 博士後期課程修了 博士 (理学) 取得

専門分野

遺伝統計学, 次世代シークエンス解析, GWAS解析, 機械学習

所属学会

日本人類遺伝学会, 日本バイオインフォマティクス学会, 日本認知症学会

Referee for

Alzheimer's Research & Therapy, Associate Editor, 2024.1~

Publications (*: corresponding author)

Google scholar

2025

63.   Mitsumori R, Sawamura K, Yamakoshi K, Nakamura A, Arahata Y, Niida S, Shigemizu D, Ozaki K, and Shimoda N. Identification of diagnostic DNA methylation markers in the blood of Japanese Alzheimer's disease patients using methylation capture sequencing. Clin Epigenetics 2025 Jun 20;17(1):107. (News & Topics)

62.   Fujita K, Kimura T, Yamakawa A, Niida S, Ozaki K, Sakurai T, Arai H, and Shigemizu D*. Genetic background and multidomain interventions in mild cognitive impairment. Alzheimers Res Ther. 2025 Jun 10;17(1):130. (プレスリリース)(毎日新聞)(GemMed)

61.   Sakai T, Furutani M, Nakashima M, Ishibashi N, Maeda J, Oguri N, Miyamoto S, Miyauchi S, Okamura S, Okubo Y, Tokuyama T, Oda N, Mitsumori R, Niida S, Ozaki K, Shigemizu D*, and Nakano Y*. Genome-wide association study of atrial fibrillation recurrence after radiofrequency catheter ablation in a Japanese population. J Cardiovasc Electrophysiol 2025 Apr 28.

60.    Furutani M, Kimura T, Fukunaga K, Suganuma M, Takemura M, Matsui Y, Satake S, Nakano Y, Mushiroda T, Niida S, Ozaki K, Hosoyama T*, and Shigemizu D*. Identification of a risk allele at SLC41A3 and a protective allele HLA-DPB1*02:01 associated with sarcopenia in Japanese. Gerontology 2025 Mar 18;376–387.  (News & Topics)

59.    Mitsumori R, Asanomi Y, Morizono T, Shigemizu D, Niida S, and Ozaki K. A genome-wide association study identifies a novel East Asian-specific locus for dementia with Lewy bodies in Japanese subjects. Mol Med. 2025 Mar 6;31(1):87. (プレスリリース)

58.    Yamakawa A, Suganuma M, Mitsumori R, Niida S, Ozaki K, and Shigemizu D.* Alzheimer’s disease may develop from changes in the immune system, cell cycle, and protein processing following alterations in ribosome function. Sci Rep. 2025 Jan 30;15(1):3838. (News & Topics)

2024

57.    Kimura T, Fujita K, Sakurai T, Niida S, Ozaki K, and Shigemizu D.* Whole-genome sequencing to identify rare variants in East Asian patients with dementia with Lewy bodies. npj Aging. 2024 Nov 21;10(1):52. (News & Topics)

56.    Suganuma M, Furutani M, Hosoyama T, Mitsumori R, Otsuka R, Takemura M, Matsui Y, Nakano Y, Niida S, Ozaki K, Satake S, and Shigemizu D.* Identification of potential blood-based biomarkers for frailty by using an integrative approach. Gerontology. 2024;70(6):630-638. (News & Topics)

55.    Asanomi Y, Kimura T, Shimoda N, Shigemizu D, Niida S, and Ozaki K. CRISPR/Cas9-mediated knock-in cells of the late-onset Alzheimer’s disease-risk variant, SHARPIN G186R, reveal reduced NF-κB pathway and accelerated Aβ secretion. J Hum Genet. 2024 May;69(5):171-176. (News & Topics)

54.    Shigemizu D*, Fukunaga K, Yamakawa A, Suganuma M, Fujita K, Kimura T, Watanabe K, Mushiroda T, Sakurai T, Niida S, and Ozaki K. The HLA-DRB1*09:01-DQB1*03:03 haplotype is associated with the risk for late-onset Alzheimer’s disease in APOE ε4–negative Japanese adults. npj Aging. 2024 Jan 2;10(1):3. (プレスリリース)

53.    Li J, Hosoyama T, Shigemizu D, Yasuoka M, Kinoshita K, Maeda K, Takemura M, Matsui Y, Arai H, and Satake S. Association between circulating levels of CXCL9 and CXCL10 and physical frailty in older adults. Gerontology. 2024;70(3):279-289.

2023

52.    Shigemizu D*, Akiyama S, Suganuma M, Furutani M, Yamakawa A, Nakano Y, Ozaki K, and Niida S. Classification and deep-learning-based prediction of Alzheimer disease subtypes by using genomic data. Transl Psychiatry. 2023 June 29;13:232.

51.    Furutani M, Suganuma M, Akiyama S, Mitsumori R, Takemura M, Matsui Y, Satake S, Nakano Y, Niida S, Ozaki K, Hosoyama T*, and Shigemizu D.* RNA-sequencing analysis identification of potential biomarkers for diagnosis of sarcopenia. J Gerontol A Biol Sci Med Sci. 2023 Jun 22;glad150. (プレスリリース)

2022

50.    Shigemizu D*, Akiyama S, Mitsumori R, Niida S, and Ozaki K. Identification of potential blood biomarkers for early diagnosis of Alzheimer’s disease through immune landscape analysis. npj Aging. 2022 Nov 4;8(1):15.

49.    Shigemizu D*, Asanomi Y, Akiyama S, Higaki S, Sakurai T, Ito K, Niida S, and Ozaki K. Network-based meta-analysis and the candidate gene association studies reveal novel ethnicity-specific variants in MFSD3 and MRPL43 associated with dementia with Lewy bodies. Am J Med Genet B Neuropsychiatr Genet. 2022 Jul;189(5):139-150. (プレスリリース, 脳のはなし)

48.    Shigemizu D*, Asanomi Y, Akiyama S, Mitsumori R, Niida S, and Ozaki K. Whole-genome sequencing reveals novel ethnicity-specific rare variants associated with Alzheimer's disease. Mol Psychiatry. 2022 May;27(5):2554-2562. (プレスリリース)

2021

47.    Asanomi Y, Shigemizu D, Akiyama S, Miyashita A, Mitsumori R, Hara N, Ikeuchi T, Niida S, and Ozaki K. A functional variant of SHARPIN confers increased risk of late-onset Alzheimer’s disease. J Hum Genet. 2021 Nov 5.

46.    Akiyama S, Higaki S, Ochiya T, Ozaki K, Niida S*, and Shigemizu D.* JAMIR-eQTL: Japanese genome–wide identification of microRNA expression quantitative trait loci across dementia types. Database (Oxford). 2021 Nov 3;2021(2021):baab072.

45.    Asanomi Y, Shigemizu D*, Akiyama S, Sakurai T, Ozaki K, Ochiya T, and Niida S*. Dementia subtype prediction models constructed by penalized regression methods for multiclass classification using serum microRNA expression data. Sci Rep. 2021 Oct 22;11(1):20947.

44.    Fujimoto A, Wong JH, Yoshii Y, Akiyama S, Tanaka A, Yagi H, Shigemizu D, Nakagawa H, Mizokami M, and Shimada M. Whole-genome sequencing with long reads reveals complex structure and origin of structural variation in human genetic variations and somatic mutations in cancer. Genome Med. 2021 Apr 29;13(1):65.

43.    Shigemizu D*, Mitsumori R, Akiyama S, Miyashita A, Morizono T, Higaki S, Asanomi Y, Hara N, Tamiya G, Kinoshita K, Ikeuchi T, Niida S, and Ozaki K. Ethnic and trans-ethnic genome-wide association studies identify new loci influencing Japanese Alzheimer’s disease risk. Transl Psychiatry. 2021 Mar 3;11(1):151. (プレスリリース)

2020

42.    Shigemizu D*, Akiyama S, Higaki S, Sugimoto T, Sakurai T, Boroevich KA, Sharma A, Tsunoda T, Ochiya T, Niida S, and Ozaki K. Prognosis prediction model for conversion from mild cognitive impairment to Alzheimer’s disease created by integrative analysis of multi-omics data. Alzheimers Res Ther. 2020 Nov 10;12(1):145.

41.    Mitsumori R, Sakaguchi K, Shigemizu D, Mori T, Akiyama S, Ozaki K, Niida S, and Shimoda N. Lower DNA methylation levels in CpG island shores of CR1, CLU, and PICALM in the blood of Japanese Alzheimer's disease patients. PLoS One. 2020 Sep 29;15(9):e0239196.

40.    Shigemizu D*, Mori T, Akiyama S, Higaki S, Watanabe H, Sakurai T, Niida S, and Ozaki K. Identification of potential biomarkers for early diagnosis of Alzheimer's disease through RNA sequencing analysis. Alzheimers Res Ther. 2020 Jul 16;12(1):87.(プレスリリース

2019

39.    Chandra A, Sharma A, Dehzangi A, Shigemizu D, and Tsunoda T. Bigram-PGK: phosphoglycerylation prediction using the technique of bigram probabilities of position specific scoring matrix. BMC Mol Cell Biol. 2019 Dec 20;20(Suppl 2):57.

38.    Shigemizu D*, Akiyama S, Asanomi Y, Boroevich KA, Sharma A, Tsunoda T, Sakurai T, Ozaki K, Ochiya T, and Niida S. A comparison of machine learning classifiers for dementia with Lewy bodies using miRNA expression data. BMC Med Genomics. 2019 Oct 30;12(1):150.

37.   Sharma A, Vans E, Shigemizu D, Boroevich KA, and Tsunoda T. DeepInsight: a methodology to transform a non-image data to an image for convolution neural network architecture. Sci Rep. 2019 Aug 6;9(1):11399.(プレスリリース)

36.    Wong JH, Shigemizu D, Yoshii Y, Akiyama S, Tanaka A, Nakagawa H, Narumiya S, and Fujimoto A. Identification of intermediate-sized deletions and inference of their impact on gene expression in a human population. Genome Med. 2019 Jul 24;11(1):44.

35.    Asanomi Y, Shigemizu D, Miyashita A, Mitsumori R, Mori T, Ito K, Niida S, Ikeuchi T, and Ozaki K. A rare functional variant of SHARPIN attenuates the inflammatory response and associates with increased risk of late-onset Alzheimer's disease. Mol Med. 2019 Jun 20;25(1):2. (プレスリリース)

34.    Singh V, Sharma A, Chandra A, Dehzangi A, Shigemizu D, and Tsunoda T. Computational prediction of Lysine pupylation sites in prokaryotic proteins using position specific scoring matrix into bigram for feature extraction. Lect Notes in Artificial Intelligence. 2019 Part III, pp.488-500.

33.    Vans E, Sharma A, Patil A, Shigemizu D, and Tsunoda T. Clustering of Small-Sample Single-Cell RNA-Seq data via Feature Clustering and Selection. Lect Notes in Artificial Intelligence. 2019 Part III, pp.445-456.

32.    Shigemizu D*, Akiyama S, Asanomi Y, Boroevich KA, Sharma A, Tsunoda T, Matsukuma K, Ichikawa M, Sudo H, Takizawa S, Sakurai T, Ozaki K, Ochiya T, and Niida S. Risk prediction models for dementia constructed by supervised principal component analysis using miRNA expression data. Commun Biol. 2019 Feb.25;2:77.(プレスリリース)

31.    Reddy HM, Sharma A, Dehzangi A, Shigemizu D, Chandra A, and Tsunoda T. GlyStruct: Glycation prediction using structural properties of amino acid residues. BMC Bioinformatics. 2019 19(Suppl 13):547.

2018

30.    Yamaguchi-Kabata Y, Morihara T, Ohara T, Ninomiya T, Takahashi A, Akatsu H, Hashizume Y, Hayashi N, Shigemizu D, Boroevich KA, Ikeda M, Kubo M, Takeda M, and Tsunoda T. Integrated analysis of human genetic association study and mouse transcriptome suggests LBH and SHF genes as novel susceptible genes for amyloid-β accumulation in Alzheimer’s disease. Hum Genet. 2018 Jul. 137(6-7):521-533.

29.    López Y, Kamola PJ, Sharma R, Shigemizu D, Tsunoda T, and Sharma A. Computational pipelines and workflows in Bioinformatics. Encyclopedia of Bioinformatics and Computational Biology. 2018 Sep 1, 20089;1-24.

28.    Nishino J, Kochi Y, Shigemizu D, Kato M, Ikari K, Ochi H, Noma H, Matsui K, Morizono T, Boroevich KA, Tsunoda T, and Matsui S. Empirical Bayes estimation of semi-parametric hierarchical mixture models for unbiasedcharacterization of polygenic disease architectures. Front Genet. 2018 Apr 24, 9:115.

27.    Shigemizu D*, Miya F, Akiyama S, Okuda S, Boroevich KA, Fujimoto A, Nakagawa H, Ozaki K, Niida S, Kanemura Y, Okamoto N, Saitoh S, Kato M, Yamasaki M, Matsunaga T, Mutai H, Kosaki K, and Tsunoda T. IMSindel: An accurate intermediate-size indel detection tool incorporating de novo assembly and gapped global-local alignment with split read analysis. Sci Rep. 2018 Apr 4;8(1):5608. (プレスリリース)

2017

26.    Shigemizu D, Iwase T, Yoshimoto M, Suzuki Y, Miya F, Boroevich KA, Katagiri T, Zembutsu H, and Tsunoda T. The prediction models for postoperative overall survival and disease-free survival in patients with breast cancer. Cancer Med. 2017 Jul;6(7):1627-1638.

25.    Sharma A, Boroevich KA, Shigemizu D, Kamatani Y, Kubo M, and Tsunoda T. Hierarchical Maximum Likelihood Clustering Approach. IEEE Trans Biomed Eng. 2017 Jan;64(1):112-122.

2016

24.    Ichikawa M, Aiba T, Ohno S, Shigemizu D, Ozawa J, Sonoda K, Fukuyama M, Itoh H, Miyamoto Y, Kubo M, Tsunoda T, Makiyama T, Tanaka T, Shimizu W, and Horie M. Phenotypic Variability of ANK2 Mutations in Patients with Inherited Primary Arrhythmia Syndromes. Circ J. 2016 Nov 25;80(12):2435-2442.

23.    Sharma A, Shigemizu D, Boroevich KA, Lopez Y, Kamatani Y, Kubo M, and Tsunoda T. Stepwise Iterative Maximum Likelihood Clustering Approach. BMC Bioinformatics. 2016 Aug 24;17(1):319.

22.    Yagihara N, Watanabe H, Barnett P, Duboscq-Bidot L, Thomas AC, Yang P, Ohno S, Hasegawa K, Kuwano R, Chate S, Redon R, Schott JJ, Probst V, Koopmann TT, Bezzina CR, Wilde AAM, Nakano Y, Aiba T, Miyamoto Y, Kamakura S, Darbar D, Donahue BS, Shigemizu D, Tanaka T, Tsunoda T, Suda M, Sato A, Minamino T, Endo N, Shimizu W, Horie M, Roden DM, and Makita N. Variants in the SCN5A promoter associated with various arrhythmia phenotypes. J Am Heart Assoc. 2016 Sep 13;5(9):e003644.

21.    Morishita M, Muramatsu T, Suto Y, Hirai M, Konishi T, Shigemizu D, Tsunoda T, Moriyama K, and Inazawa J. Chromothripsis-like chromosomal rearrangements induced byionizing radiation using proton microbeam irradiation system. Oncotarget. 2016 Mar 1;7(9):10182-92.

2015

20.    Aiba T, Shigemizu D, Nakagawa H, Ozaki K, Miya F, Satake W, Toda T, Miyamoto Y, Fujimoto A, Suzuki Y, Kubo M, Tsunoda T, Kusano K, Yasuda S, Ogawa H, Tanaka T, and Shimizu W. Calmodulin interacting genes as a novel candidate for pathogenesis of long-QT syndrome. Circulation. 2015 132(Suppl 3) A12257.

19.    Shigemizu D, Momozawa Y, Abe T, Morizono T, Boroevich KA, Takata S, Ashikawa K, Kubo M, and Tsunoda T. Performance of comparison of four commercial human whole-exome capture platforms. Sci Rep. 2015 Aug 3;5:12742. (プレスリリース

18.    Shigemizu D, Aiba T, Nakagawa H, Ozaki K, Miya F, Satake W, Toda T, Miyamoto Y, Fujimoto A, Suzuki Y, Kubo M, Tsunoda T, Shimizu W, and Tanaka T. Exome analyses of long QT syndrome reveal candidate pathogenic mutations in calmodulin-interacting gene. PLoS One. 2015 10(7), e0130329. (プレスリリース)

17.    Miya F, Kato M, Shiohama T, Okamoto N, Saitoh S, Yamasaki M, Shigemizu D, Abe T, Morizono T, Boroevich KA, Kosaki K, Kanemura Y, and Tsunoda T. A combination of targeted enrichment methodologies for whole-exome sequencing reveals novel pathogenic mutations. Sci Rep. 2015 Mar 19;5:9331.

16.    Fujimoto A, Furuta M, Shiraishi Y, Gotoh K, Kawakami Y, Arihiko K, Nakamura T, Ueno M, Ariizumi S, Nguyen H, Shigemizu D, Abe T, Boroevich KA, Nakano K, Sasaki A, Kitada R, Maejima K, Yamamoto Y, Tanaka H, Shibuya T, Shibata T, Ojima H, Shimada K, Hayami S, Shigekawa Y, Aikata H, Ohdan H, Marubashi S, Yamada T, Kubo M, Hirano S, Ishikawa O, Yamamoto M, Yamaue H, Yamaue H, Chayama K, Miyano S, Tsunoda T, and Nakagawa H. Whole-genome mutational landscape of liver cancers displaying biliary phenotype reveals hepatitis impact and molecular diversity. Nat Commun. 2015 Jan 30;6:6120

2014

15.    Hirokawa M, Morita H, Tajima T, Takahashi A, Ashikawa K, Miya F, Shigemizu D, Ozaki K, Sakata Y, Nakatani D, Suna S, Imai Y, Tanaka T, Tsunoda T, Matsuda K, Kadowaki T, Nakamura Y, Nagai Y, Komuro I, and Kubo M. A genome-wide association study identifies PLCL2 and AP3D1-DOT1L-SF3A2 as new susceptibility loci for myocardial infarction in Japanese. Eur J Hum Genet. 2014 Mar;23(3):374-380.

14.    Aiba T, Ishibashi K, Wada M, Nakajima I, Miyamoto K, Okamura H, Noda T, Shigemizu D, Satake W, Toda T, Kusano K, Kamakura S, Yasuda S, Sekine A, Miyamoto Y, Tanaka T, Ogawa S, and Shimizu W. Clinical Significance of Whole Exome Analysis Using Next Generation Sequencing in the Genotype-negative Long-QT Syndrome. Circulation. 2014 130(Suppl 2) A13817.

13.    Makita N, Yagihara N, Crotti L, Johnson CN, Beckmann BM, Roh MS, Shigemizu D, Lichtner P, Ishikawa T, Aiba T, Homfray T, Behr ER, Klug D, Denjoy I, Mastantuono E, Theisen D, Tsunoda T, Satake W, Toda T, Nakagawa H, Tsuji Y, Tsuchiya T, Yamamoto H, Miyamoto Y, Endo N, Kimura A, Ozaki K, Motomura H, Suda K, Tanaka T, Schwartz PJ, Meitinger T, Kääb S, Guicheney P, Shimizu W, Bhuiyan ZA, Watanabe H, Chazin WJ, and George AL. Novel Calmodulin (CALM2) Mutations Associated with Congenital Arrhythmia Susceptibility. Circ Cardiovasc Genet. 2014 Aug;7(4):466-474.

12.    Shigemizu D, Abe T, Morizono T, Johnson TA, Boroevich KA, Hirakawa Y, Ninomiya T, Kiyohara Y, Kubo M, Nakamura Y, Maeda S, and Tsunoda T. The Construction of Risk Prediction Models Using GWAS Data and Its Application to a Type 2 Diabetes Prospective Cohort. PLoS One. 2014 9(3), e92549.

2013

11.    Makita N, Yagihara N, Crotti L, Johnson CN, Beckermann BM, Shigemizu D, Watanabe H, Ishikawa T, Aiba T, Mastantuono E, Tsunoda T, Nakagawa H, Tsuji Y, Tsuchiya T, Yamamoto H, Miyamoto Y, Endo N, Kimura A, Ozaki K, Motomura H, Suda K, Tanaka T, Schwartz PJ, Meitinge T, Kaeaeb S, Shimizu W, Chazin W, and George AL. CALM2 Mutations Associated With Atypical Juvenile Long QT Syndrome. Circulation. 2013 128(22) A13371.

10.    Imamura M, Shigemizu D, Tsunoda T, Iwata M, Maegawa H, Watada H, Hirose H, Tanaka Y, Tobe K, Kaku K, Kashiwagi A, Kawamori R, and Maeda S. Assessing the Clinical Utility of a Genetic Risk Score Constructed Using 49 Susceptibility Alleles for Type 2 Diabetes in a Japanese Population. J Clin Endocrinol Metab. 2013 98(10), E1667-E1673.

9.     Shigemizu D, Fujimoto A, Akiyama S, Abe T, Nakano K, Boroevich KA, Yamamoto Y, Furuta M, Kubo M, Nakagawa H, and Tsunoda T. A practical method to detect SNVs and indels from whole genome and exome sequencing data. Sci Rep. 2013 3:2161. (natureasia.com注目の論文)

2012

8.     Nguyen HH, Takata R, Akamatsu S, Shigemizu D, Tsunoda T, Furihata M, Takahashi A, Kubo M, Kamatani N, Ogawa O, Fujioka T, Nakamura Y, and Nakagawa H. IRX4 at 5p15 suppresses prostate cancer growth through the interaction with vitamin D receptor, conferring prostate cancer susceptibility. Hum Mol Genet. 2012 21(9), 2076-2085.

7.     Yoshihara K, Tsunoda T, Shigemizu D, Fujiwara H, Hatae M, Fujiwara H, Masuzaki H, Katabuchi H, Kawakami Y, Okamoto A, Nogawa T, Matsumura N, Udagawa Y, Saito T, Itamochi H, Takano M, Miyagi E, Sudo T, Ushijima K, Iwase H, Seki H, Terao Y, Enomoto T, Mikami M, Akazawa K, Tsuda H, Moriya T, Tajima T, Inoue I, and Tanaka K. High-risk ovarian cancer based on 126-gene expression signature is uniquely characterized by downregulation of antigen presentation pathway. Clin Cancer Res. 2012 18(5), 1374-1385.

6.     Shigemizu D, Hu Z, Hung JH, Huang CL, Wang Y, and DeLisi C. Using functional signatures to identify repositioned drugs for breast, myelogenous leukemia and prostate cancer. PLoS Comput Biol. 2012 8(2), e1002347.

2011

5.     Takarabe M, Shigemizu D, Kotera M, Goto S, and Kanehisa M. Network-based analysis and characterization of adverse drug–drug interactions. J Chem Inf Model. 2011 51(11), 2977-2985.

2010

4.     Moriya Y, Shigemizu D, Hattori M, Tokimatsu T, Kotera M, Goto G, and Kanehisa M. PathPred: an enzyme-catalyzed metabolic pathway prediction server. Nucleic Acids Res. 2010 38(suppl 2), W138-W143.

3.     Takarabe M, Shigemizu D, Kotera M, Goto S, and Kanehisa M. Characterization and classification of adverse drug interactions. Genome Inform. 2010 22, 167-175.

2009

2.     Shigemizu D, Araki M, Okuda S, Goto S, and Kanehisa M. Extraction and analysis of chemical modification patterns in drug development. J Chem Inf Model. 2009 49(4), 1122-1129.

2004

1.     Shigemizu D, and Maruyama O. Searching for regulatory elements of alternative splicing events using phylogenetic footprinting. Algorithms in Bioinformatics Lecture Notes in Computer Science. 2004 Vol. 3240,147-158.

和文誌

18.    重水 大智: 認知症の遺伝について (2023). 認知症サポートSOMPO笑顔倶楽部.

17.    重水 大智: バイオインフォマティクスの世界 (2023). 別冊 医学のあゆみ, pp.51-59.

16.    重水 大智: 疾患バイオマーカーとしてのマイクロRNAと診断応用 (2022). シーエムシー出版, 第Ⅰ編第22章 pp.176-181.

15.    重水 大智: 疾患ゲノム解析II: GWAS解析 (2022). 医学のあゆみ, Vol.281, No.9, 920-923.

14.    重水 大智: 疾患ゲノム解析I: NGS解析 (2022). 医学のあゆみ, Vol.281, No.8, 854-858.

13.    重水 大智, 新飯田 俊平:  認知症のゲノム解析 (2021). 医学のあゆみ, Vol.279, No.5, 22360-22364.

12.    重水 大智, 新飯田 俊平:  血中マイクロRNAの現状 (2021). Geriat. Med., Vol.59, No.2, 163-167.

11.    重水 大智, 新飯田 俊平:  血中マイクロRNAからの認知症予測 (2020). 医学のあゆみ, Vol.272, No.3, 244-245.

10.    重水 大智, 角田 達彦:  機械学習・AIを駆使した多因子疾患発症・進展の予測モデルの開発 (2019). 内分泌・糖尿病・代謝内科, 11月号, Vol.49, No.5, 363-366.

9.    菊地 正隆, 宮下 哲典, 原 範和, 重水 大智, 尾崎 浩一, 新飯田 俊平, 池内 健, 中谷 明弘:  日本人集団におけるアルツハイマー病ポリジェニック解析 (2019). Dementia Japan, 10月号, Vol.33 (4) 562.

8.    重水 大智, 新飯田 俊平: 血液から認知症診断技術 (2019). PHARMSTAGE, 9月号, Vol.19, No.6, 55-58.

7.    重水 大智: 乳がんのゲノム医療 - 生存期間・再発期間予後予測解析 (2018). 外科, 11月号, Vol.80, No.12, 1205-1209.

6.    重水 大智: エクソーム解析による疾患ゲノム研究 (2018). 細胞, 5月号, Vol.50, No.5, 45-48.

5.    重水 大智: エクソームシークエンスとプレシジョン・メディシン (2017). アンチ・エイジング医学, 10月号, Vol.13, No.5, 36-40.

4.    重水 大智: エクソーム解析によるこれからの疾患ゲノム研究 (2017). 細胞, 7月号, Vol.49, No.8, 48-51.

3.    重水 大智: エクソーム解析によるこれからの疾患ゲノム研究 (2017). Bio Clinica, 6月号, Vol.32, No.6, 591-594.

2.    重水 大智桃沢 幸秀,久保 充明,角田 達彦: 目的にあったエクソーム濃縮キットの選択ポイント (2016). 実験医学, 4月号, Vol.34, No.6, 955-960.

1.    重水 大智: 遺伝性疾患の網羅的エキソームシーケンスデータの解析法 (2014). 新潟医学会雑誌, 第128巻10号, 496-498.

招待講演

38.  新飯田俊平、重水 大智:指定課題研究・認知症発症予防介入戦略拠点の構築のための研究への助成第34回日本老年学会総会, 幕張, June 27, 2025.

37.  重水 大智:日本人の大規模ヒトゲノム・オミクス解析における認知症研究熊本大学大学院生命科学研究部附属健康長寿代謝制御研究センター・国立長寿医療研究センター 第3回共同シンポジウム, 熊本, Mar 22, 2025.

36.  重水 大智:日本人の大規模ヒトゲノム・オミクス解析における認知症研究第21回糖鎖科学コンソーシアムシンポジウム, 福島, Nov 20, 2024.

35.  重水 大智:「 日本人における大規模認知症ゲノム研究の最前線 」国立長寿医療研究センター 公開シンポジウム&レクチャー2024, 大府, June 29, 2024.

34.  Shigemizu D:「 A polygenic risk score contributes to identifying individuals with the potential for cognitive function improvement 」2024 ICAH-NCGG-TMIG Annual Meeting, Taiwan, Apr 11, 2024.

33.  Shigemizu D:「 J-MINT study approaching from genomic research 」NJ-FINGERS Symposium, Obu, Dec 15, 2023.

32.  Shigemizu D:「 Genomic research on dementia in the Japanese population 」NCGG ICAH TMIG Joint Symposium 2023 IAGG-AOR  Satellite, Tokyo, Oct 17, 2023.

31.  Shigemizu D, and Ozaki K.:「 Genomic research on dementia in the Japanese population 」Human Genetics Asia 2023, SY7-4, Tokyo, Oct 12, 2023.

30.  重水 大智:「 大規模ヒトゲノム・オミクス解析における認知症研究 」ゲノム医科学とバイオインフォマティクスの接点と集学研究, 三島, Feb 22, 2023.

29. Shigemizu D:「 RNA-sequencing analysis identification of potential biomarkers for diagnosis of sarcopenia  」Sarcopenia Symposium 2022, Seoul, Korea, Dec 20, 2022.

28. 重水 大智:「 大規模ヒトゲノム・オミクス解析における認知症原因・感受性遺伝子の同定と発症予測モデルの開発 」熊本大学大学院生命科学研究部附属健康長寿代謝制御研究センター・国立長寿医療研究センター 第一回共同シンポジウム, 熊本, Dec 10, 2022.

27. 重水 大智:「 認知症における日本人大規模ゲノム研究の最前線 」九州大学セミナー, 福岡, Sep 22, 2022.

26. 重水 大智:「 全ゲノム解析による認知症関連レアバリアント解析 」第11回生命医薬情報学連合大会, 大阪, Sep 14, 2022. (セッションオーガナイザー)

25. 重水 大智:「 大規模ゲノム・オミクス解析を使った認知症研究の最前線 」第765回新潟医学会例会シンポジウム, WEB, May 19, 2022.

24.  重水 大智:「 認知症における日本人大規模ゲノム研究の最前線 」東レ バイオ要素技術連絡会, 鎌倉, Mar 14, 2022.

23. Shigemizu D:「 Genetic research in dementia 」An international online congress, Aging Management, WEB, Dec 17, 2021.

22. 重水 大智:「 認知症における日本人大規模ゲノム解析による新規感受性遺伝子の同定 」第94回日本生化学会大会, WEB, Nov 3, 2021.

21. 重水 大智:「 大規模ゲノム・オミクス解析による認知症研究 」日本プロテオーム学会2021年大会, WEB, July 21, 2021.

20. Shigemizu D:「 Risk Prediction Models for Dementia Using Genomic Data 」The Sixth ICAH-NCGG Symposium, WEB, Oct 22, 2020.

19. 重水 大智:「 大規模ゲノム・オミクス解析による認知症予測研究」第20回日本抗加齢医学会総会, 東京, Sep 26, 2020. (会長特別プログラム)

18. 重水 大智:「 ヒトゲノム・オミクスデータによる認知症血液バイオマーカーの探索と予測モデルの開発 」第93回日本生化学会大会, WEB, Sep 15, 2020.

17. 重水 大智:「 血液由来疾患バイオマーカーの探索と予測モデルの開発 」第9回生命医薬情報学連合大会, WEB, Sep 3, 2020. (セッションオーガナイザー)

16. 重水 大智:「 大規模ゲノム・オミックス解析を使った認知症研究の最前線 」第61回日本神経学会学術大会, 岡山, Aug 31, 2020.

15. 重水 大智:「 ヒトゲノム・オミクスデータを用いた認知症研究の現在 」ゲノム医科学とバイオインフォマティクスの接点と集学研究, 三島, Feb 14, 2020.

14. 重水 大智:「 ヒトゲノム・オミクスデータを用いた認知症研究の現在 」第8回生命医薬情報学連合大会, 東京, Sep 10, 2019. (セッションオーガナイザー)

13. 重水 大智:「 ヒトゲノム・オミクスデータを用いた認知症研究の現在 」Aging Forum, 大阪, July 13, 2019.

12. 重水 大智:「 ヒトゲノム・オミクスデータによる疾患原因変異の同定と疾患発症予測モデル開発 」名古屋市立大学医学部セミナー, 名古屋, Nov. 27, 2018.

11. 重水 大智:「 ヒトゲノム・オミクスデータによる疾患原因変異の同定と疾患発症予測モデル開発 」九州工業大学セミナー, 福岡, Nov. 15, 2018.

10. 重水 大智:「 ゲノムデータを用いた疾患原因変異の同定と疾患発症予測モデル開発の現在 」第7回生命医薬情報学連合大会, 鶴岡, Sep 20, 2018.

9. Shigemizu D:「AI-Aided Genomic Studies for Disease Prediction」2018 AI Future: Application on Geriatrics Care Symposium, Taipei, July 23, 2018.

8. 重水 大智:「 次世代シークエンサーを用いた臨床研究の実際 」科研費基盤研究S & 第8回生物統計ネットワークシンポジウム 統計科学が切り拓く個別化医療:方法論・実践のフロンティア, 福岡, Mar. 28, 2017.

7. 重水 大智:「疾患原因となる遺伝子変異同定のためのエクソーム解析の現在」科研費基盤研究Aシンポジウム (I)複雑な生命現象を読み解くための大規模データ解析とモデリング, 久留米, Nov. 7, 2016.

6. 重水 大智:「疾患原因遺伝子同定のためのエクソーム解析の現在」第2回バイオインフォマティクスアゴラ, 東京, July 15, 2016.

5. Shigemizu D:「Analysis for disease-causing mutations using whole-exome sequencing data」International Symposium on Bioinformatics and its Application, Tokyo Institute of Technology, Tokyo, Japan, Sep. 30, 2014.

4. 重水 大智:「エクソームシークエンスデータを使った疾患関連遺伝子同定の解析法」情報・システム研究機構国立遺伝学研究所研究会 "ゲノム医科学とバイオインフォマティクスの接点と集学研究”, 静岡, Feb. 28, 2014.

3. 重水 大智:「遺伝性疾患の網羅的エキソームシーケンスデータの解析法」シンポジウム”生命システムの理解に向けたバイオインフォーマティクス”, 新潟, Nov. 16, 2013.

2. Shigemizu D:「New Uses for Old Drugs: Promising Candidates for Breast, Leukemia and Prostate Cancer」National Center for Biotechnology Information, Bethesda, MD, USA, 2010.

1. Shigemizu D:「Functional analysis at junction sites of alterative splicing regions」Humboldt University, Berlin, Germany, 2005.

外部資金獲得

32.    公益財団法人ソルト・サイエンス研究財団 一般公募助成研究:医学分野 2025年-2026年 分担「マグネシウムトランスポーターSLC41A3の骨格筋における役割とサルコペニアとの関連性の解明 」

31.    長寿医療研究開発費  2024年-2027代表大規模ゲノム解析における老年病発症関連遺伝子変異の同定と人工知能による発生リスク予測モデルの開発

30.    公益財団法人 三井住友海上福祉財団 2024年-2025年 代表「全ゲノム解析を基盤としたレビー小体型認知症の病態メ カニズムの解明」

29.    文部科学省科学研究費補助金 基盤研究(B) 2022年-2025年 分担「高齢者における内在能力の簡易評価票の開発のためのコホート研究」

28.    公益財団法人 中冨健康科学振興財団   2024年-2026年 代表「全ゲノム解析からサルコペニア診断に有効なバイオマーカーの探索と病態メカニズムの 解明」

27.     特別長寿医療研究開発費  2023年-2026分担 代表認知症発症関連遺伝子変異の機能解析と基盤開発

26.    AMED 長寿科学研究開発事業 2022年-2025年 分担「認知機能の側面を含めたフレイルの血液バイオマーカーの探索および予防介入への展開」

25.    AMED ゲノム創薬基盤推進研究事業 2022年-2025年 分担「薬剤性パーキンソニズムのファーマコゲノミクスに関する医療実装開発」

24.    公益財団法人 中京長寿医療研究推進財団   2022年-2023年 代表「免疫細胞組成・免疫レパトア統合解析による早期アルツハイマー病予測モデルの開発 」

23.    公益財団法人 堀科学芸術振興財団 2022年-2023年 代表免疫細胞組成・免疫レパトア統合解析によるAD移行予測診断システムの開発

22.    国立高度専門医療研究センター 横断的研究推進費研究課題  2021年- 2023年 分担ロコモフレイル外来患者のフレイルバイオマーカーの探索研究

21.    国立高度専門医療研究センター 横断的研究推進費研究課題  2021年- 2022年 分担医療前のライフログデータおよび健診結果を活用する予測先制医療のための研究

20.    文部科学省科学研究費補助金 基盤研究(B) 2021年-2026代表「マルチオミクス統合解析によるアルツハイマー病移行予測診断システムの開発」

19.    長寿医療研究開発費  2021年-2024年 代表「認知症発症関連因子・機能モジュールの探索と人工知能を用いた発症予測モデルの開発」

18.    特別長寿医療研究開発費  2021年-2024年 分担「サルコペニアバイオマーカーの同定」

17.   AMED 認知症研究開発事業 2020年-2024年 分担「血液バイオマーカーを用いた超早期アルツハイマー病コホートの構築」

16.   公益財団法人 大幸財団 自然科学系学術研究助成 2020年-2022年 代表「ヒトゲノム・オミクスデータを用いたアルツハイマー病移行診断予測システムの開発」

15.   公益財団法人 長寿科学振興財団 長寿科学研究者支援事業 研究継続 2020年 代表「アルツハイマー病発症・移行リスク因子の同定と早期予測診断システムの開発」

14.    長寿医療研究開発費  2019年-2021年 分担「高齢者における非特異的慢性疼痛の病態解明の基盤形成」

13.   公益財団法人 長寿科学振興財団 長寿科学研究者支援事業 2019年 代表「アルツハイマー病発症・移行リスク因子の同定と早期予測診断システムの開発」

12.    AMED 認知症対策官民イノベーション実証基盤整備事業 2019年-2021年 分担「認知症予防を目指した多因子介入によるランダム化比較研究」

11.    文部科学省科学研究費補助金 基盤研究(B) 2019年-2021年 分担「小児急性リンパ性白血病発症にかかわる遺伝学的背景の検討」

10.    公益財団法人 武田科学振興財団 医学系研究奨励 2018年-2019年 代表「PIB-PET情報と全ゲノム情報から アルツハイマー病の発症・進行規定因子の解明」

9.    理研 理事長裁量経費 2018年 代表「リウマチ患者の末梢血RNASeq解析による薬剤効果予測」

8.    長寿医療研究開発費  2018年-2020年 代表「ゲノムデータ等を用いた疾患関連因子の網羅的探索と疾患発症リスク予測モデルの開発 」

7.    厚生労働省 認知症政策研究事業  2018年-2020年 分担「日本人認知症ゲノム解析を出発点としたオミックス-臨床情報統合解析による疾患関連パスウェイの解析から診断、治療への応用」

6.    公益財団法人 大和証券ヘルス財団 第44回調査研究助成  2017年 代表「アルツハイマー型認知症のゲノム解析による発症リスク遺伝子の同定と早期予防のための発症予測モデルの開発」

5.    文部科学省科学研究費補助金 新学術領域 (研究領域提案型)  2017年-2021年 分担「代謝アダプテーションのトランスオミクス解析」

4.    AMED ゲノム医療実現推進プラットフォーム事業 (先端ゲノム研究開発) タイプA 2016年-2020年 分担「糖尿病の遺伝・環境因子の包括的解析から日本発次世代型精密医療を実現するプロジェクト」

3.    公益財団法人 金原一郎記念医学医療振興財団 第31回基礎医学医療研究助成金 2016年 代表「エクソームデータからLong INDEL検出法の開発とLong INDELを介した疾患原因遺伝子の解明」

2.    平成28年度 学長裁量優秀若手研究者奨励賞 2016年 代表「エクソーム解析によるQT延長症候群の疾患原因変異の網羅的探索」

1.    文部科学省科学研究費補助金 若手研究(B) 2016年-2017年 代表「エクソーム解析によるQT延長症候群の疾患原因変異の網羅的探索」

特許

3.    アルツハイマー型認知症発症リスク評価のための方法、キット及びデバイス (2020). 出願番号: 特願2020-131832, 出願日: 令和2年8月3日, 出願人: 大森智織, 須藤裕子, 重水大智, 新飯田俊平, 尾崎浩一, 櫻井孝.

2.    海馬萎縮を検出するためのキット又はデバイス及び方法 (2020). 出願番号: 特願2020-64383, 出願日: 令和2年3月31日, 出願人: 大森智織, 須藤 裕子, 吉本真紀子, 新飯田俊平, 伊藤健吾, 重水大智, 加藤隆司, 中村昭範.

1.    認知症の検出のためのキット又はデバイス及び方法 (2019). 出願番号: 特願2020-500479, 出願日: 平成31年2月12日, 登録日: 令和6年1月5日, 出願人: 鈴木佳奈, 吉本真紀子, 河内淳平, 須藤裕子, 木田悠歩, 小園聡子, 近藤哲司, 新飯田俊平, 浅海裕也, 重水大智, 櫻井孝.

社会活動の実績

2. IIBMP 2025 (日本バイオインフォマティクス学会年会) Program Committee  

1. PRICAI 2019 (THE 16TH PACIFIC RIM INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE) Program Committee