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
November 26, 2023
Science
0
190
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
November 26, 2023
Tweet
Share
More Decks by Y-h. Taguchi
See All by Y-h. Taguchi
マウス肝炎ウイルス感染の遺伝子発現へのテンソル分解の適用によるSARS-CoV-2感染関連重要ヒト遺伝子と有効な薬剤の同定
tagtag
0
67
大学のアウトリーチ活動(中央大学学員(OB)会主催学術講演で講演して)
tagtag
1
36
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
72
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
69
学術講演会中央大学学員会大分支部
tagtag
0
110
学術講演会中央大学学員会いわき支部
tagtag
0
120
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
tagtag
1
120
学術講演会中央大学学員会八王子支部
tagtag
0
270
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
150
Other Decks in Science
See All in Science
白金鉱業Meetup Vol.16_数理最適化案件のはじめかた・すすめかた
brainpadpr
3
1.3k
Mechanistic Interpretability の紹介
sohtakahashi
0
510
[第62回 CV勉強会@関東] Long-CLIP: Unlocking the Long-Text Capability of CLIP / kantoCV 62th ECCV 2024
lychee1223
1
820
Factorized Diffusion: Perceptual Illusions by Noise Decomposition
tomoaki0705
0
300
How were Quaternion discovered
kinakomoti321
2
1.2k
(2024) Livres, Femmes et Math
mansuy
0
120
Valuable Lessons Learned on Kaggle’s ARC AGI LLM Challenge (PyDataGlobal 2024)
ianozsvald
0
180
山形とさくらんぼに関するレクチャー(YG-900)
07jp27
1
250
白金鉱業Meetup Vol.16_【初学者向け発表】 数理最適化のはじめの一歩 〜身近な問題で学ぶ最適化の面白さ〜
brainpadpr
10
1.9k
【健康&筋肉と生産性向上の関連性】 【Google Cloudを企業で運用する際の知識】 をお届け
yasumuusan
0
430
拡散モデルの原理紹介
brainpadpr
3
5.6k
Introduction to Image Processing: 2.Frequ
hachama
0
420
Featured
See All Featured
The World Runs on Bad Software
bkeepers
PRO
67
11k
What’s in a name? Adding method to the madness
productmarketing
PRO
22
3.3k
Building a Scalable Design System with Sketch
lauravandoore
460
33k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
28
9.2k
Optimizing for Happiness
mojombo
376
70k
The Cost Of JavaScript in 2023
addyosmani
47
7.3k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
280
13k
We Have a Design System, Now What?
morganepeng
51
7.4k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
20
2.4k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
232
17k
Raft: Consensus for Rubyists
vanstee
137
6.7k
Docker and Python
trallard
43
3.2k
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。