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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

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 

ご清聴どうもありがとうございました! 29 / 29