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
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
Search
Y-h. Taguchi
PRO
November 26, 2023
Science
0
260
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
SIGBIO76で講演
https://www.ipsj.or.jp/kenkyukai/event/bio76.html
2023/11/29
Y-h. Taguchi
PRO
November 26, 2023
Tweet
Share
More Decks by Y-h. Taguchi
See All by Y-h. Taguchi
知能とはなにか -ヒトとAIのあいだ-
tagtag
PRO
0
26
Genomic Differentiation of Sleep and Anesthesia: The Role of RHO GTPase and Cortical Neurons
tagtag
PRO
0
15
睡眠と麻酔による無意識状態のゲノム的差異:RHO GTPaseと皮質ニューロンの役割
tagtag
PRO
0
51
Somatostatin-Expressing Neurons Regulate Sleep Deprivation and Recovery: A Data-Driven Transcriptomic Analysis
tagtag
PRO
0
16
Sstニューロンによる睡眠不足と回復の制御:データ駆動型トランスクリプトーム解析
tagtag
PRO
0
40
テンソル分解を用いたVisiumデータの高精度・高速デコンボリューション手法
tagtag
PRO
0
47
Novel Tensor Decomposition-Based Approach for Cell-Type Deconvolution in Visium Datasets
tagtag
PRO
0
15
presen_同仁倶楽部.pdf
tagtag
PRO
0
37
知能とはなにか -ヒトとAIのあいだ-
tagtag
PRO
1
58
Other Decks in Science
See All in Science
先端因果推論特別研究チームの研究構想と 人間とAIが協働する自律因果探索の展望
sshimizu2006
3
760
データマイニング - コミュニティ発見
trycycle
PRO
0
200
People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text
rudorudo11
0
190
【RSJ2025】PAMIQ Core: リアルタイム継続学習のための⾮同期推論・学習フレームワーク
gesonanko
0
640
My Little Monster
juzishuu
0
550
機械学習 - K-means & 階層的クラスタリング
trycycle
PRO
0
1.2k
機械学習 - DBSCAN
trycycle
PRO
0
1.5k
SpatialRDDパッケージによる空間回帰不連続デザイン
saltcooky12
0
160
MCMCのR-hatは分散分析である
moricup
0
590
HajimetenoLT vol.17
hashimoto_kei
1
170
安心・効率的な医療現場の実現へ ~オンプレAI & ノーコードワークフローで進める業務改革~
siyoo
0
450
Collective Predictive Coding as a Unified Theory for the Socio-Cognitive Human Minds
tanichu
0
160
Featured
See All Featured
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
35
2.4k
The #1 spot is gone: here's how to win anyway
tamaranovitovic
2
940
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
287
14k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
34
2.6k
Hiding What from Whom? A Critical Review of the History of Programming languages for Music
tomoyanonymous
2
410
Gemini Prompt Engineering: Practical Techniques for Tangible AI Outcomes
mfonobong
2
280
Leadership Guide Workshop - DevTernity 2021
reverentgeek
1
200
Fashionably flexible responsive web design (full day workshop)
malarkey
408
66k
Ruling the World: When Life Gets Gamed
codingconduct
0
140
YesSQL, Process and Tooling at Scale
rocio
174
15k
Unsuck your backbone
ammeep
671
58k
VelocityConf: Rendering Performance Case Studies
addyosmani
333
24k
Transcript
SIGBIO76 1 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 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)
SIGBIO76 2
SIGBIO76 3 動機: 2剤同時に作用させた場 合の遺伝子発現プロファ イルを主成分分析すると CONVEXなプロファイル になるがこれが2剤相互 作用の効果であるという 論文が結構IFの高い雑
誌(IF=9.3)に出た (2019 2019年11月13日)→ → 大嘘 大嘘 反論論文を書いた
SIGBIO76 4 Taguchi, Yh. Drug candidate identification based on gene
expression of treated cells using tensor decomposition-based unsupervised feature extraction for large-scale data. BMC Bioinformatics 19 (Suppl 13), 388 (2019 2019) 2月4日. 1剤処理でもテンソル分 解するとCONVEX依存は 出る。
SIGBIO76 5 Cell Systemsの論文がでてすぐBMC Bioinfomaticsの論文 を引用して間違いを指摘したが無視されて、European Journal of Pharmaceutical SciencesにCell
Systemsの データを再解析した論文(今回発表)を載せて再度間違いを 指摘したがそのままになっている。 ただし、Cell Systemsの論文の引用は16回しかされてない (BMC Bioinformaticsの方は19回引用)。でもCVに書いて あったらCell Systemsの方が評価高いんでしょうね、きっと(不 公平!)。
SIGBIO76 6 Cell Systems の論文データ:GSE138256 出芽酵母 4剤から全ペアで6ペア。Doseはペアによって 異なるが共通の16Doseを選択
SIGBIO76 7 遺伝子数 Dose ペア 発現量 正規化
SIGBIO76 8 HOSVD(テンソル分解) 遺伝子 依存性 Dose 依存性 ペア 依存性 3
SIGBIO76 9
SIGBIO76 10 HOSVD(PCAも同じだが)は基底の直交性を要求するので 一定値→直線→2次→3次..... となっていくのは数学的に自然で完全にArtifactであり、2剤の 相互作用でCONVEXがでているというのは戯言である
SIGBIO76 11 比較: GSE138256 単剤処理
SIGBIO76 12 x ijk ∈ℝN×14×4 遺伝子数 Dose 薬物 発現量 正規化
SIGBIO76 13 遺伝子 依存性 Dose 依存性 ペア 依存性 3
SIGBIO76 14
SIGBIO76 15 単剤でもCONVEXはでるがなぜか第5,6主成分にしか出な い。単剤処理を扱った我々のBMC Bioinformatics論文では もっと上の成分で出ていた。この結果、Cell Systems論文の 解析では「単剤処理ではCONVEXは出ない」と誤認してし まった可能性がある。 主成分分析ではあまり下の成分までは見ない、あるいは、無
視するというのはありがちである。 うがった見方をするとCell Systemsという高IF誌に通すため にわざと嘘をついたのかもしれない。
SIGBIO76 16 おまけ:テンソル分解する前は単剤処理だとCONVEXじゃな いのか?左:BDH1 右:SSA1 →各遺伝子でもCONVEX
SIGBIO76 17 テンソル分解する前は2剤処理でもCONVEX 左:BDH1 右:SSA1
SIGBIO76 18 結論: Dose依存性がCONVEXであることは2剤相互作用とかでは なく、解析方法が作り出したArtifactであり、単剤処理でも CONVEXは出現する →じゃあCONVEXであることは無意味なのか? →NO。CONVEXである遺伝子を選んで解析することには 当然、意味があるはず。遺伝子の機能的な観点から議論さ れなくてはいけない。
SIGBIO76 19 CONVEX Dose依存性: 2剤処理:l1 =3,4 単剤処理:l1 =5,6 単剤、ペア依存性:l1 =1 (一定値=依存性なし)
2剤処理:l1 =3,4 単剤処理:l1 =5,6
SIGBIO76 20 2剤処理:l3 =4,5,6 単剤処理:l3 =4
SIGBIO76 21 P値をBenjamini-Hochbergで補正し て0.01以下の遺伝子を選ぶとかな りかぶっている。 したがってCONVEX Dose依存性 を示す遺伝子は単剤、2剤処理で かなり共通だと思われる(2剤処 理では2つの薬剤の値を一方を減
らし、他方を増やすように動かす のだから、ある意味当たり前)。
SIGBIO76 22 157遺伝子(2剤処理)をMetascapeにアップロードした結果
SIGBIO76 23 77遺伝子(単剤処理)をMetascapeにアップロードした結果
SIGBIO76 24 まとめ CONVEX Dose依存性は2剤相互作用ではなく、遺伝子の性質 であり、なんからのバイオロジカルなプロセスに関係していると思 われる。