SIGBIO79 1 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 中央大学　田口善弘 キング・アブドゥルアズィーズ大学　ターキー・ターキー

SIGBIO79 2 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（第２版） でました（８／３１刊行） ５００頁超！ 買ってください。

SIGBIO79 3 この内容は以下のように２年半前に刊行済みです

SIGBIO79 4 解析の流れ

SIGBIO79 5 使用データ HBVワクチン接種、０，１，３，７，１４日後の血液（１５人） テンソルデータ 変数の個数 Nk ● メチル化（アレイ）　657,582 ● RNA-seq　　　　 35,829 ● 全血プロテオーム　 1,588 ● 血清プロテオーム　 1,588 　　　　　　　　　　　 ×5×15 x i k j 1 j 2 ∈ℝN k ×5×15

SIGBIO79 6 各プロファイルを線形カーネル化 テンソル分解 x kj 1 j 2 j 1 'j 2 ' =∑ l 1 =1 5 ∑ l 2 =1 15 ∑ l 3 =1 5 ∑ l 4 =1 15 ∑ l 5 =1 4 G(l 1 l 2 l 3 l 4 l 5 )u l 1 j 1 u l 2 j 2 u l 3 j 1 ' u l 4 j 2 ' u l 5 k x k j 1 j 2 j 1 ' j 2 ' =∑ i k =1 N k x i k j 1 j 2 x i k j 1 ' j 2 ' ∈ℝ4×5×15×5×15

SIGBIO79 7 u2j1 u1j2 u1k

SIGBIO79 8 u 21i k =∑ j 1 =1 15 ∑ j 2 =1 5 x i k j 1 j 2 u 2 j 1 u 1 j 2 Pi k =Pχ2 [> (u21 i k σ 21 )2 ] ik に付与された特異値ベクトルを計算 特異値ベクトルがガウス分布しているという帰無仮説でP値を計算 Benjamini-Hochberg法で多重比較補正して0.01以下のik を選択

SIGBIO79 9 メチル化 メチル化 ２０７７プローブ→１３３５遺伝子 遺伝子セット自体のエンリッチメント解析は× →１３３５遺伝子を有意に標的とする転写因子（TF）→22TF ZNF217, TCF4, STAT3, SMARCD1, WT1, FOXA2, PAX3-FKHR, SMAD4, SMAD3, SOX9, TFAP2C, YAP1, AR, SOX2, CTNNB1, VDR, PIAS1, TEAD4, MITF, HNF4A, SUZ12 →22TFのエンリッチメント解析

SIGBIO79 10 KEGG

SIGBIO79 11 RNA-seq RNA-seq → 11 gene → 8 gene symbol S100A9, CD74, hba1, ACTB, HBB, HBA2,MALAT1, COX1 →エンリッチメント解析

SIGBIO79 12 Disease Perturbations from GEO down Disease Perturbations from GEO down

SIGBIO79 13 Disease Perturbations from GEO up Disease Perturbations from GEO up

SIGBIO79 14 全血プロテオーム 全血プロテオーム→２４タンパク HIST1H2BJ, HIST2H2BF, HIST1H2BG, HIST1H2BB, HIST1H2BD, ACTG1, HIST1H2BL, HIST1H2BN, PFN1, HIST1H2BK, HIST3H2BB,ACTB, HBB, HBA2, HIST1H2BA, HIST1H2BI, HIST1H2BC, HIST1H2BO, HIST2H2BE, HIST1H2BM, HBA1, HIST1H2BF, HIST1H2BE, HIST1H2BH →　エンリッチメント解析

SIGBIO79 15 Disease Perturbations from GEO down Disease Perturbations from GEO down

SIGBIO79 16 Disease Perturbations from GEO up Disease Perturbations from GEO up

SIGBIO79 17 血清プロテオーム 血清プロテオーム→２２タンパク FGA, HP, GSN, ALB, FGG, IGLL5, APOA1, SER- PINA1, ORM1, TF, GC, CP, C4A, CSF3R, A2M, HPX, HRG, A1BG, CFH, APOB, C3, CLEC14A →　エンリッチメント解析

SIGBIO79 18 Disease Perturbations from GEO down Disease Perturbations from GEO down

SIGBIO79 19 Disease Perturbations from GEO up Disease Perturbations from GEO up

SIGBIO79 20 本手法の利点 ● 変数の数が異なるマルチおミックスでも、サンプ ル数が同じなら統合解析可能 ● 計算量が（サンプル数）２×オミックス数に抑えら れる →　界隈での評価は残念ながらゼロに等しい

SIGBIO79 21 上手く行く理由: xikj1j2 同士の相関係数（除くメチル化） （遺伝子そのものはだめだった）メチル化以外はそれな りに相関している。いつもうまく行くとは限らないが簡単 なのでやって見る価値はある。

SIGBIO79 22 まとめ 線形カーネル化することで、 ● 変数の数が異なっている場合も統合解析可能 ● 計算量を抑えられる 線形カーネル化することでオミックス間の関係（相関） が定量化できるのが上手くできる理由（らしい）