Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
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
Search
Y-h. Taguchi
PRO
August 27, 2025
Science
240
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
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
HT-101 / PO-148
at IIBMP2025
2025/9/3
https://www.jsbi.org/iibmp2025/
Y-h. Taguchi
PRO
August 27, 2025
More Decks by Y-h. Taguchi
See All by Y-h. Taguchi
Tensor decomposition-based unsupervised feature extraction applied to bioinformatics and affinity with AI-based methodology
tagtag
PRO
0
45
知能とはなにか -ヒトとAIのあいだ-
tagtag
PRO
0
230
サンプル対応のない複数遺伝子発現プロファイルに対するテンソル分解型統合解析の要約
tagtag
PRO
0
260
AI(人工知能)の過去・現在・未来 ~AIは人類を越えるのか~
tagtag
PRO
0
170
presen_司法書士学員会.pdf
tagtag
PRO
1
120
生成AIと司法書士の未来.pdf
tagtag
PRO
0
190
データ駆動型ゲノム解析で迫る睡眠研究
tagtag
PRO
0
130
適応テンソル分解と主成分分析に基づく教師なし特徴抽出は、従来手法よりも生物学的に妥当な発現量差のある遺伝子を選択する
tagtag
PRO
0
80
知能とはなにか -ヒトとAIのあいだ-
tagtag
PRO
0
120
Other Decks in Science
See All in Science
生成AI・プレプリント時代における 研究成果公開の再設計 ― トップカンファレンス文化はどこへ向かうのか / Redesigning the Dissemination of Research Outputs in the Age of Generative AI and Preprints — Where Is the Top-Conference Culture Heading?
ykiyota
0
30k
科学で迫る勝敗の法則-スポーツデータ分析の最前線 (刈谷市連携講座.2026年7月) / The principle of victory discovered by science. at Kariya City, 2027.07
konakalab
0
200
データベース14: B+木 & ハッシュ索引
trycycle
PRO
0
960
プレイがつなぐ研究と社会:市⺠‧クリエイター‧SF作家による実践を通じて
hayataka88
1
120
大黒市で発生した大規模インシデント の ポストモーテムから読み解く、 記憶媒体消去の大切さ
shucho0103
0
290
データベース06: SQL (3/3) 副問い合わせ
trycycle
PRO
1
1.2k
[Webinaire InnOvin] Coup de Chaud : Comment préserver la santé des animaux
institutdelelevage
PRO
0
220
ゲームと人工知能
miyayou
0
250
O(log n)-Approximation Algorithms for Bipartiteness Ratio
tasusu
0
260
AlgorithAlgorihms for Decision Making
mickey_kubo
0
170
Massey Ratings for Match Outcome Prediction in Table Tennis: Evidence of Greater Stability than the ITTF World Ranking
konakalab
0
160
バランスって大事だね
akasan
1
150
Featured
See All Featured
Claude Code のすすめ
schroneko
67
230k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
9
1.6k
Building the Perfect Custom Keyboard
takai
2
900
AI Search: Implications for SEO and How to Move Forward - #ShenzhenSEOConference
aleyda
1
1.4k
Into the Great Unknown - MozCon
thekraken
41
2.8k
The untapped power of vector embeddings
frankvandijk
2
1.9k
Mobile First: as difficult as doing things right
swwweet
225
10k
Getting science done with accelerated Python computing platforms
jacobtomlinson
2
520
Joys of Absence: A Defence of Solitary Play
codingconduct
1
530
The SEO Collaboration Effect
kristinabergwall1
1
590
Java REST API Framework Comparison - PWX 2021
mraible
34
9.7k
How to Grow Your eCommerce with AI & Automation
katarinadahlin
PRO
2
320
Transcript
IIBMP2025 1 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 “Novel artificial intelligence-based identification of
drug-gene- disease interaction using protein-protein interaction” 中央大学 理工学部 物理学科 田口善弘 このスライドはこちらから→
IIBMP2025 2
IIBMP2025 3 手法論的な目的:ネットワークの統合解析 ネットワークA ネットワークB ? テンソル分解で
IIBMP2025 4 生物(医学)的な目的: ドラッグリポジショニング(DR ) →タンパクータンパク相互作用(PPI )のデー タの解析だけからドラッグリポジショニング出 来るという発見
IIBMP2025 5 こういうことを考える動機: 遺伝子⇔疾患 化合物⇔遺伝子 のそれぞれは可能でも 化合物⇔遺伝子⇔疾患 になると「二重の選択」になり両立が難しい。 • 疾患原因遺伝子は見つかったけど遺伝子を標的とする薬がない。
• 薬をドラッグリポジショニングしようとしたけど、標的遺伝子に関係 する疾患がない みたいになりがち。データ駆動でいきなり 化合物⇔遺伝子⇔疾患 ができないか?そのためには疾患/化合物を決めずに遺伝子選択から 入ればいいのでは?でもどうやって? →PPI →PPI +テンソル分解 +テンソル分解
IIBMP2025 6 具体的な方法論: nii’k ∈R RN×N×K i: タンパク質(総数N 個) K:
k 番目のPPI nii’k :k 番目のPPI におけるi 番目のタンパク質とi’ 番目のタンパ ク質の相互作用 →テンソル分解 n ii ' k =∑ l 1 l 2 l 3 G ( l 1 l 2 l 3 ) u l 1 i u l 2 i ' u l 3 k タンパク(遺伝子選択)→DR
IIBMP2025 7 K=2 の場合のPPI 行列のテンソル化のイメージ
IIBMP2025 8 uli がガウス分布であると仮 定してP 値を付与、多重比 較補正しても閾値(例えば 0.01 )以下のタンパク質 (遺伝子)を選択
タンパク質(遺伝子)選択
IIBMP2025 9 選ばれた遺伝子をエン リッチメント解析して ・生物学的に妥当か? ・選択遺伝子の発現量 を変化させることが知 られてる化合物でDR
IIBMP2025 10 使用データ: BioGRID :R R24875×24875 DIP :R R4901×4901 遺伝子選択に使用する特異値ベクトル
BioGRID :u2i DIP :u2i ,u3i (DIP でu2i とu3i なのはエンリッチした病気が一緒なので) 選択遺伝子は BioGRID :u2i 195 タンパク質→217 遺伝子 DIP :u2i 196 タンパク質→193 遺伝子 DIP :u3i 59 タンパク質→57 遺伝子 24875,4901 は遺伝子の数
IIBMP2025 11 エンリッチメント解析(疾患)の結果(次頁から) BioGRID :u2i DIP :u2i ,u3i で選ばれた3つの遺伝子セットすべてでCancer/ Tumor
が有意に高かった (時間の関係上Jensen Diseases の場合のみ紹介)
IIBMP2025 12 BioGRID for u2i
IIBMP2025 13 DIP for u2i
IIBMP2025 14 DIP for u3i
IIBMP2025 15 DR の結果(次頁から) 複数のデータベースで選択遺伝子の発現を有意に変化させ る化合物が見つかった(→創薬候補) 時間の関係上、ここで見せるのは BioGRID :u2i の場合のみ
IIBMP2025 16 BioGRID for u2i
IIBMP2025 17 BioGRID for u2i
IIBMP2025 18 BioGRID for u2i
IIBMP2025 19 BioGRID for u2i
IIBMP2025 20 BioGRID for u2i
IIBMP2025 21 なぜ、PPI の情報だけでガンのDR ができるのか?PPI に疾 患の情報など入っていないはず→PPI 大きい遺伝子を選択 u2i u3i
IIBMP2025 22 PPI が多い遺伝子を選べばいいならテンソル分解不要? →No. 他のuli (BioGRID for u3i ,DIP
for u6i ) をみればがん以外の疾患 を考慮できる
IIBMP2025 23 BioGRID for u3i
IIBMP2025 24 DIP for u6i
IIBMP2025 25 BioGRID for u3i
IIBMP2025 26 DIP for u6i
IIBMP2025 27 u3i u6i PPI 大きい遺伝子は選択できている
IIBMP2025 28 まとめ • PPI だけでDR が可能 • PPI が多い遺伝子をえらぶだけではがん以外をDR
できない。 • ヒトとマウスのPPI をテンソルで統合解析したときだけがん 以外の多様な疾患のDR が可能。