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
GSEA-InContext: identifying novel and common patterns in expression experiments
Search
Y-h. Taguchi
August 13, 2018
Science
1
240
GSEA-InContext: identifying novel and common patterns in expression experiments
ISMB2018読み会
https://atnd.org/events/98383
でのプレゼンです。
Y-h. Taguchi
August 13, 2018
Tweet
Share
More Decks by Y-h. Taguchi
See All by Y-h. Taguchi
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
68
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
tagtag
0
100
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
230
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
120
TDbasedUFE and TDbasedUFEadv: bioconductor packages to perform tensor decomposition based unsupervised feature extraction
tagtag
0
51
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
1
190
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
270
Bioconductorパッケージ,TDbasedUFETDbasedUFEadvの紹介
tagtag
0
76
Tensor Decomposition Based Integrated Analysis of Protein-Protein Interaction with Cancer Gene Expression Can Improve the Coincidence with Clinical Labels
tagtag
0
76
Other Decks in Science
See All in Science
統計的因果探索の方法
sshimizu2006
0
870
早わかり W3C Community Group
takanorip
0
270
【論文紹介】DocTr_ Document Transformer for Structured Information Extraction in Documents / iccv2023-doctr
yuya4
3
580
Introduction to Graph Neural Networks
joisino
4
1.4k
Machine Learning for Materials (Lecture 9)
aronwalsh
0
120
Ph.D. defense "Convex Manifold Approximation for Tensors"
gkazunii
0
180
2023-10-03-FOGBoston
lcolladotor
0
170
マルチモーダルモデルと自動運転 車載モデルのコスト・スループット・レイテンシ / LLM in Production Meetup #2 20231023
yuyamaguchi
1
1k
qeMLパッケージの紹介
bob3bob3
0
970
ChatGPT によるプログラミング授業の課題の解答生成の評価
toskamiya
0
260
Running llama.cpp on the CPU
ianozsvald
0
210
外国人が思う日本語のむずかしいところ
jamashita
0
470
Featured
See All Featured
Designing the Hi-DPI Web
ddemaree
276
33k
Stop Working from a Prison Cell
hatefulcrawdad
266
19k
Designing with Data
zakiwarfel
96
4.8k
Being A Developer After 40
akosma
57
580k
Teambox: Starting and Learning
jrom
128
8.4k
Practical Orchestrator
shlominoach
182
9.7k
The Straight Up "How To Draw Better" Workshop
denniskardys
227
130k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
125
32k
No one is an island. Learnings from fostering a developers community.
thoeni
16
2.1k
The Invisible Customer
myddelton
114
12k
Fontdeck: Realign not Redesign
paulrobertlloyd
76
4.9k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
227
16k
Transcript
ISMB2018読み会 GSEA-InContext: identifying novel and common patterns in expression experiments
Rani K. Powers, Andrew Goodspeed, Harrison Pielke-Lombardo, Aik-Choon Tan and James C. Costello Bioinformatics, 34, 2018, i555–i564 doi: 10.1093/bioinformatics/bty271 報告者: 中央大学理工学部物理学科 田口善弘
論文の目的: 論文の目的: GSEA(Gene Set Enrichment Analysis)は「遺伝子を『何か(例: 発現差の大きさ)の順番』で並べた場合、順番には意味があ る。ある遺伝子セットAが有意に上位に並ぶなら、そのセットに は『何か』の大きさが有意に大きい遺伝子のセットであるとい えるだろう」
というものですが、その場合「有意に上位に並ぶ」の判定をす るときの比較対象(=帰無仮説)が「完全にランダムな並び」 になっている。しかし、遺伝子はお互いに相関しているんだか ら、『何か』と全く無関係じゃない限り、遺伝子セットAはどっち にしろグループで動く(上位に来る)だろう。そうなると「遺伝 子セットAに意味があるか?」という検証にはなっても「順位 付けした『何か』と関係している」と言えなくないか? この問題は解決するには比較対象を完全にランダムな並び じゃなく、いろいろな実験での並びの集合に置き換えないとい けないのでは?
比較対象 比較対象 ・GEOから集めた ・Afymetrix Human Genome U133 Plus 2.0 Array限定
・small molecule test限定 ・遺伝子の順位リストを442個作成 GSEAPreranked: GSEAPreranked:入力がm個の遺伝子場合、m個の遺伝子をラ ンダムに選んで比較、入力が有意に上位のあるかを比較 GSEA-InContext GSEA-InContext: :442個の順位リストをつかい、これらのリスト で上位にあるという重み付けをしてm個の遺伝子を選んで比較、 入力が有意に上位にあるかを比較
B(α、β):β関数 β二項分布: バイアスのあるコインがたくさん入った袋がある。そこから一枚コイ ンを一枚抜き出して、n 回投げた。表の出る回数 k が従う分布は? ただし袋の中のコインの表の出る確率 p はベータ分布に従うこと
とする。 α、βの値は442個の遺伝子ランクをつかって、遺伝子ごとに決定 ある遺伝子がr位になる確率:β二項分布 ∫0 1 p(α−1)(1−p)α dp
単純ランダムより実験に基づくほうがランクの期待値の幅(分散) は大きい →順位が高いものは高く、低いものは低くなりやすい。
試験用遺伝子データセット MSigDB :The Hallmarks collection (50クラス) 442遺伝子順位セット(バックグランウンド) →薬剤の標的蛋白で予めグループ化 標的蛋白 臓 器
確 か に こ う す る と 遺 伝
子 セ ッ ト の 有 意 度 は 低 下 論 文 で は こ れ を ア | テ ィ フ ァ ク ト の 減 少 と 解 釈
GSEA-InContextだけで有意になるものもある (バックグラウンドをうまく選べば)
なんで なんでISMB ISMB2018に採択されたの? 2018に採択されたの? 正直、何が面白いのか皆目わかりません。 コレポンはgoogle scholarの引用数が4000ある(2007年から論文 を書き始めた)。実験系の論文が多く、ファーストやコレポンは少な い。 多分、最初の論文から10年でgoogle
scholarの引用数を4000くら いにするのがISMBに論文通すコツなのでは? (僕にはもう実現できないハードルですが、過去のことなので)