Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
テンソル分解を用いた教師なし学習による変数選択法のシングルセルマルチオミックスデータ解析への応用
Search
Y-h. Taguchi
June 21, 2024
Science
1
63
テンソル分解を用いた教師なし学習による変数選択法のシングルセルマルチオミックスデータ解析への応用
presentation at SIGBIO78
https://www.ipsj.or.jp/kenkyukai/event/mps148bio78.html
2024/6/21
Y-h. Taguchi
June 21, 2024
Tweet
Share
More Decks by Y-h. Taguchi
See All by Y-h. Taguchi
マルチオミクスデータ解析のためのカーネルテンソル分解による新しい特徴選択法
tagtag
1
27
学術講演会中央大学学員会大分支部
tagtag
0
68
学術講演会中央大学学員会いわき支部
tagtag
0
84
学術講演会中央大学学員会八王子支部
tagtag
0
210
教師なしテンソル分解に基づく、有糸分裂後の転写再活性化におけるヒストン修飾ブックマークとしての転写因子候補の抽出法
tagtag
0
110
遺伝子発現プロファイルに基づく新しい薬物間相互作用予測法
tagtag
0
140
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
290
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
160
TDbasedUFE and TDbasedUFEadv: bioconductor packages to perform tensor decomposition based unsupervised feature extraction
tagtag
0
72
Other Decks in Science
See All in Science
ベイズのはなし
techmathproject
0
220
ICRA2024 速報
rpc
3
4.8k
Презентация программы бакалавриата СПбГУ "Искусственный интеллект и наука о данных"
dscs
0
580
ウェーブレットおきもち講座
aikiriao
1
770
機械学習による確率推定とカリブレーション/probabilistic-calibration-on-classification-model
ktgrstsh
2
140
2024-06-16-pydata_london
sofievl
0
440
How were Quaternion discovered
kinakomoti321
2
910
いまAI組織が求める企画開発エンジニアとは?
roadroller
2
1.2k
AI Alignment: A Comprehensive Survey
s_ota
0
220
Celebrate UTIG: Staff and Student Awards 2024
utig
0
250
Snowflake上でRを使う: RStudioセットアップとShinyアプリケーションのデプロイ
ktatsuya
0
320
ultraArmをモニター提供してもらった話
miura55
0
170
Featured
See All Featured
KATA
mclloyd
27
13k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
278
13k
Being A Developer After 40
akosma
82
580k
Java REST API Framework Comparison - PWX 2021
mraible
PRO
27
7.4k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
190
16k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
88
15k
Design by the Numbers
sachag
277
19k
Building Applications with DynamoDB
mza
89
5.9k
The Pragmatic Product Professional
lauravandoore
30
6.2k
Mobile First: as difficult as doing things right
swwweet
220
8.8k
How to name files
jennybc
75
97k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
502
140k
Transcript
SIGBIO78 1 テンソル分解を用いた教師なし学習による変数選択法 のシングルセルマルチオミックスデータ解析への応用 田口善弘(中央大学)・ターキー ターキー(キング・アブ ドゥルアズィーズ大学)
SIGBIO78 2 この研究は2021年9月に原著論文として刊行済みです
SIGBIO78 3 宣伝:テンソル分解を用いた教師なし学 習による変数選択法の教科書の第2版 第2版 が2024年8月31日に発売です。大巾に 内容を増強して500頁超の大著(?)に なりました。ぜひ、お買い上げください。 ←お買い上げ はこちらから
SIGBIO78 4 本講演の内容は原著論文ではなく、 第2版の当該部分に準拠しています。
SIGBIO78 5 Single cell data sets: GSE154762: Dataset 1 GSE121708:
Dataset 2
SIGBIO78 6 Type of Measurements • scRNA-seq • scMethyl-seq •
scATAC-seq Sample (〜103 single cells) vs 〜104 genes (scRNA-seq) 〜107 sites (scMethyl-seq, scATAC-seq) Large p small n problem
SIGBIO78 7 研究の目的 • 遺伝子発現プロファイル、DNAメチル化、ATAC-seq をいい具合に統合解析してラベルに整合的な2次 元埋め込みをUMAP等で作れるようになりたい。 • 遺伝子選択を行って現象に重要な遺伝子を選択し たい。
SIGBIO78 8 統合解析手法:テンソル分解を用いた教師なし学習 による変数選択法 M N1 N2 N3 特異値分解 テンソル
テンソル分解 x i k jk =∑ l=1 L u li k k λ l k v l jk x ljk =∑ i k =1 N k u li k x i k jk =∑ l 1 =1 L 1 ∑ l 2 =1 L 2 ∑ l 3 =1 L 3 G(l1 l2 l3 )ul 1 l ul 2 j ul 3 k M M
SIGBIO78 9 データの前処理 メチル化プロファイル: メチル化:+1 非メチル化:−1 非検出:0 ATAC-seq: 200塩基長(ヒストン+リンカー)で平均
SIGBIO78 10 j(single cell)に付与された特異値ベクト ルvlj ,ul2j とラベルの整合性チェック →カテゴリ回帰 v ljk
=a lks δ js +b lk u l 2 j =a l 2 s δ js +b l 2 δjs :single cell j がラベルsの時1,それ以外は0
SIGBIO78 11 j(single cell)に 付与された特 異値ベクトル vlj ,ul2j とラベル の整合性は全
3プロファイル を使った時が 最良
SIGBIO78 12 u l 2 j ∈ℝL×M→ UMAP 個別プロファイル→ (L=10)
2プロファイル統合→ (L=10×2) 全3プロファイル統合→ (L=10×3) Data set 1
SIGBIO78 13 個別プロファイル→ (L=10) 2プロファイル統合→ (L=10×2) 全3プロファイル統合→ (L=10×3) Data set
2 u l 2 j ∈ℝL×M→ UMAP
SIGBIO78 14 図が小さくてわからないかもしれません が、全3プロファイルを使った場合が一番 ラベルとの整合性がいいです。
SIGBIO78 15 遺伝子選択 ラベルと有意に相関しているul2j だけを用いて、以下 の量を計算。 最大の値をとるのはdata set 1,2ともl1 =1だったの
でl1 =1であるul1l(つまりu1l)を採用。 ∑ l 2 ∑ l 3 =1 3 G(l 1 l 2 l 3 )2
SIGBIO78 16 u 1i 1 =∑ l=1 L u 1
l u li 1 1 Pi 1 =Pχ2 [> (u1i 1 σ l 2 )2 ] Benjamini-Hochberg基準で多重比較補正して 0.01以下の遺伝子のみ選択。 (k=1: RNA-seq) 累積χ2分布 (ガウス分布が帰無仮説)
SIGBIO78 17 Data set 1 :47遺伝子、Data set 2:175遺伝子 エンリッチメント解析サイトEnrichrで解析したと ころ、生物学的に意味がある多数のアノテーショ
ンと相関していたので、遺伝子選択にも有効であ ることが分かった。
SIGBIO78 18 この方法は大部分が欠損している場合にもOK
SIGBIO78 19 利点 • 一千万次元×細胞数の行列を扱える(疎行列な のでRのSparse Matrix Formatを使う)。 • 特異値分解も疎行列用の関数使用
• 殆どが欠損値であってもそのまま扱える • 次元数が異なっている複数の行列を簡単に統 合解析可能。
SIGBIO78 20 Bioconductorパッケージをリリース