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 pa...
Search
Y-h. Taguchi
August 13, 2018
Science
1
280
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
知能とはなにかーヒトとAIのあいだー
tagtag
0
120
タンパク質間相互作⽤を利⽤した⼈⼯知能による新しい薬剤遺伝⼦-疾患相互作⽤の同定
tagtag
0
86
PPIのみを用いたAIによる薬剤–遺伝子–疾患 相互作用の同定
tagtag
0
49
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
92
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
1
120
ゲノム解析における射影: 特徴選択ツールとしてのテンソル分解と主成分分析を合理化する理論的根拠
tagtag
0
39
知能とはなにかーヒトとAIのあいだー
tagtag
0
86
学術講演会中央大学学員会府中支部
tagtag
0
300
テンソル分解による糖尿病の組織特異的遺伝子発現の統合解析を用いた関連疾患の予測
tagtag
2
240
Other Decks in Science
See All in Science
Machine Learning for Materials (Challenge)
aronwalsh
0
330
2025-06-11-ai_belgium
sofievl
1
150
Masseyのレーティングを用いたフォーミュラレースドライバーの実績評価手法の開発 / Development of a Performance Evaluation Method for Formula Race Drivers Using Massey Ratings
konakalab
0
190
コンピュータビジョンによるロボットの視覚と判断:宇宙空間での適応と課題
hf149
1
320
データマイニング - グラフ構造の諸指標
trycycle
PRO
0
170
安心・効率的な医療現場の実現へ ~オンプレAI & ノーコードワークフローで進める業務改革~
siyoo
0
320
データから見る勝敗の法則 / The principle of victory discovered by science (open lecture in NSSU)
konakalab
1
150
データマイニング - コミュニティ発見
trycycle
PRO
0
150
KH Coderチュートリアル(スライド版)
koichih
1
46k
機械学習 - ニューラルネットワーク入門
trycycle
PRO
0
850
動的トリートメント・レジームを推定するDynTxRegimeパッケージ
saltcooky12
0
180
局所保存性・相似変換対称性を満たす機械学習モデルによる数値流体力学
yellowshippo
1
310
Featured
See All Featured
Designing Experiences People Love
moore
142
24k
Navigating Team Friction
lara
189
15k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
48
9.7k
Building a Scalable Design System with Sketch
lauravandoore
462
33k
KATA
mclloyd
32
14k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
15k
Thoughts on Productivity
jonyablonski
70
4.8k
Raft: Consensus for Rubyists
vanstee
140
7.1k
How to Think Like a Performance Engineer
csswizardry
26
1.9k
What's in a price? How to price your products and services
michaelherold
246
12k
Done Done
chrislema
185
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)