Upgrade to Pro — share decks privately, control downloads, hide ads and more …

oku-slide-20220820

 oku-slide-20220820

非数理系研究者向けの動的ネットワークバイオマーカー解析の紹介
奥 牧人 (富山大学)
2022/08/20
第3回 合原ムーンショットプロジェクト全体会議

変更履歴:
2022/07/25 一部修正
2022/07/28 最初のページに追記

4103e5b7039a946281b536e04e86795f?s=128

Makito Oku

July 24, 2022
Tweet

More Decks by Makito Oku

Other Decks in Research

Transcript

  1. 非数理系研究者向けの 動的ネットワークバイオマーカー解析 の紹介 奥 牧人 (富山大学) 2022/08/20 第3回 合原ムーンショットプロジェクト全体会議 2022/07/28追記:

    本資料の内容は発表せず、別の話をすることになりました。 元々読むための資料として作ったため、引き続き公開します。 1 / 29
  2. 目的と達成目標 目的 動的ネットワークバイオマーカー解析の概要を理解すること 達成目標 発現変動遺伝子とDNB遺伝子の違いを説明できる。 なぜDNB解析では揺らぎに着目するのかを説明できる。 あるデータにDNB解析が適用可能かの見当が付けられる。 DNB解析で得られる結果をイメージできる。 2 /

    29
  3. Outline 概要 理論的枠組み 対象データ 解析手順 適用例 まとめ 3 / 29

  4. Outline 概要 理論的枠組み 対象データ 解析手順 適用例 まとめ 4 / 29

  5. 動的ネットワークバイオマーカー解析 動的ネットワークバイオマーカー解析 DNB (Dynamical Network Biomarker) 解析 疾病前状態(未病の状態)を検出するための解析手法 揺らぎに着目する点が従来法と異なる 2012年に陳先生、合原先生らにより提案された

    [1] 用語解説: 未病 健康と病気の中間にある状態。中国最古の医学書「 こう 黄 てい 帝 だい 内 けい 経」に 記載がある。予防・先制医療の観点から近年注目されている。 [1] L. Chen, et al., Sci. Rep., 2:342 (2012). doi: 10.1038/srep00342 5 / 29
  6. 従来法とDNB法の違い 従来法の発現変動遺伝子解析では平均の増加または減少に着目 DNB法では揺らぎ(分布幅)と変数間の相関強度の増加に着目 対照群 実験群 対照群 実験群 従来法 DNB法 用語解説:

    発現変動遺伝子 (DEG) コントロール条件と比べて発現量の平均が顕著に増加または減少 した遺伝子。倍率変化 (Fold Change) や仮説検定で判定する。 6 / 29
  7. Outline 概要 理論的枠組み 対象データ 解析手順 適用例 まとめ 7 / 29

  8. 臨界遷移 臨界遷移 とは、生態系、気候システム、金融市場などの様々な 複雑系で発生する、大規模な状態遷移である [2]。 DNB解析では、健康から病気への変化を臨界遷移と見なす。 現在の状態 別の状態 臨界遷移 [2]

    M. Scheffer, et al., Nature, 461:53-59 (2009). doi: 10.1038/nature08227 8 / 29
  9. イメージ動画 state transition in a double-well system state transition in

    a double-well system https://youtu.be/ZoZDxko10Nk 9 / 29
  10. 遷移前の揺らぎの増加 臨界遷移の手前ではレジリエンスが低下している。 そのような状況では 揺らぎが増加する 傾向がある。 DNB解析では、揺らぎの増加を早期警戒信号として利用する。 用語解説: レジリエンス(回復力) 本来あるべき状態からの逸脱に耐え、元に戻す力。これが弱まる と、より望ましくない状態に遷移するリスクが高まる。

    用語解説: 早期警戒信号 遷移の発生が近いことを知らせる信号。揺らぎの増加の他に、 自己相関の増加、刺激に対する応答の遅延などがある。 10 / 29
  11. 数学の用語に置き換える 臨界遷移の手前(未病)の段階は、力学系理論の用語に置き換えると サドル・ノード分岐 の手前に相当すると考えられる。 用語解説: 力学系理論 数学の理論の一つ。時間的に変化する対象を微分方程式(連続 時間)や差分方程式(離散時間)で表し、その挙動を調べる。 用語解説: 分岐

    力学系のパラメータが変化した時に、定性的な挙動(安定点への 収束、発散、振動、カオスなど)が切り替わること。 用語解説: サドル・ノード分岐 不安定点(サドル)と安定点(ノード)が衝突して消える分岐 11 / 29
  12. 理論により予測される現象 幾つかの仮定のもとで、サドル・ノード分岐の手前において、以下の 現象が生じることが理論解析および数値計算によって示せる。 予測される現象 DNB解析での使用 分散(揺らぎ)の増加 ✓ 自己相関の増加 – 刺激に対する応答時定数の増加

    – 共分散行列の最大固有値の増加 – 変数間の相関強度の増加 ✓ ∗ 元論文に記載のあるPCCoは、後の研究で有効でないことが分かっている ∗ 12 / 29
  13. 固有値との関係 サドル・ノード分岐は、安定点におけるヤコビ行列の固有値の 一つが、離散時間なら 、連続時間なら となるときに起こる。 その直前の挙動(漸近挙動)の詳細は文献 [3] にまとめた。 実部 虚部

    実部 虚部 0 1 離散時間の場合 連続時間の場合 SN分岐 SN分岐 1 0 [3] M. Oku & K. Aihara, NOLTA, 9(2):166-184 (2019). doi: 10.1587/nolta.9.166 13 / 29
  14. Outline 概要 理論的枠組み 対象データ 解析手順 適用例 まとめ 14 / 29

  15. 主な対象データ 元々はトランスクリプトームデータに対して開発された手法だが、 それに限らず、以下の条件を満たすデータが主な対象である。 未病の可能性がある段階を含む 数値データ 変数の数が多い(そうでなければ絞り込む必要がない) 各条件で (理想は ) 系統誤差やバッチ効果が十分小さい

    用語解説: トランスクリプトームデータ 多数の遺伝子の発現量のデータ。DNAから転写された数万種類の mRNAの量をDNAマイクロアレイ法やRNA-seq法で計測する。 n ≥ 5 n ≥ 10 15 / 29
  16. その他の場合 条件 適用の可否 病気から健康への回復過程の場合 ✓ 病気がさらに悪化する過程の場合 ✓ コントロールを除き 条件のみの場合 ✓

    時間分解能が高い場合 ✓ (他の手法も要検討) 各条件で の場合 非推奨 欠損値が多い場合 個別に判断 同一でないヒトのデータの場合 – 1 n = 1 ∗ 1サンプルDNB法が提案されているが、DEGと区別できないという問題がある ∗ 16 / 29
  17. 解析前に考えるべきこと 仮にDNB解析をして、何かしらの結果が得られたとします。 その揺らぎは、本物の揺らぎ といえますか? 偶然ではないか? サンプル数は足りているか? 系統誤差やバッチ効果では? 個体差では? DEGでは? 複数のグループが混ざっているのでは?

    17 / 29
  18. Outline 概要 理論的枠組み 対象データ 解析手順 適用例 まとめ 18 / 29

  19. 実験群と対照群 DNB解析では、実験群と対照群のデータを入力として受け取り、 それらを比較して、揺らぎの大きな遺伝子のリストを出力する。 実験群が複数の条件や時点から成る場合は、それぞれを適切な 対照群と比較する。 実験群 対照群 遺伝⼦リスト 1 対照群

    2 3 4 実験群 遺伝⼦リスト × 4 19 / 29
  20. 解析手順 二段階法 [4] 第一段階で 揺らぎ の大きな遺伝子を選択する。 第二段階で 相関性 の高いクラスタを抽出する。 揺らぎの⼤きな遺伝⼦を選択

    相関性の⾼いクラスタを抽出 全ての遺伝⼦ [4] M. Oku, TBIO, 12:9-16 (2019). doi: 10.2197/ipsjtbio.12.9 20 / 29
  21. 解析手順の詳細 第一段階 実験群の中央絶対偏差が対照群の中央絶対偏差の 倍より 大きい遺伝子を選択する。 第二段階 階層的クラスタリングを適用する。 スピアマンの相関係数、平均連結法、閾値 を用いる。 大きなクラスタに所属する遺伝子を出力する。

    用語解説: クラスタリング 類似したデータをグループにまとめる解析手法。教師なし機械 学習の一つ。階層的クラスタリングやk平均法などの手法がある。 θ ϕ 21 / 29
  22. パラメータ設定 第一段階の閾値 は既定で とするが、調節も可能 第二段階の閾値 は既定で とするが、調節も可能 第二段階における「大きなクラスタ」の判断基準 実験群の最大クラスタの 倍より大きいこと(既定)

    対照群の最大クラスタの 倍より大きいこと 実験群のクラスタ 対照群のクラスタ θ 2 ϕ 0.75 0.5 1.2 22 / 29
  23. Outline 概要 理論的枠組み 対象データ 解析手順 適用例 まとめ 23 / 29

  24. 適用例 メタボリックシンドロームの動物モデルであるTSODマウスに DNB解析を適用したところ、肥満や高血糖になる前の5週齢で 強い揺らぎを示す147個のDNB遺伝子が検出された [5]。 その揺らぎは防風通聖散の投与群ではほぼ抑えられていた [6]。 [5] K. Koizumi,

    et al., Sci Rep, 9:8767 (2019). doi: 10.1038/s41598-019-45119-w [6] K. Koizumi, et al., eCAM, 2020:9129134 (2020). doi: 10.1155/2020/9129134 24 / 29
  25. 結果の解釈 DNB解析で検出された異常な揺らぎは、メタボリックシンドロームへ と至る何らかの遷移の予兆であった可能性が考えられる。 用語解説: メタボリックシンドローム 内臓脂肪の蓄積に加えて高血糖、高血圧、脂質代謝異常のうち2つ 以上が当てはまる状態。 25 / 29

  26. 得られた遺伝子の機能解析 エンリッチメント解析では、DEGの場合とは異なる結果が得られた。 用語解説: エンリッチメント解析 DEGなどの遺伝子リストの中に、どのような注釈(機能を表す キーワード)を持つ遺伝子が多く含まれるかを調べる解析。 26 / 29

  27. Outline 概要 理論的枠組み 対象データ 解析手順 適用例 まとめ 27 / 29

  28. まとめ 動的ネットワークバイオマーカー解析の概要を説明しました。 概要 ! 発現変動遺伝子とDNB遺伝子の違いを説明できる? 理論的枠組み ! なぜDNB解析では揺らぎに着目するのかを説明できる? 対象データ !

    あるデータにDNB解析が適用可能かの見当が付けられる? 解析手順 適用例 ! DNB解析で得られる結果をイメージできる? 28 / 29
  29. ご清聴どうもありがとうございました! 29 / 29