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
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
230
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
知能とはなにか -ヒトとAIのあいだ-
tagtag
PRO
0
150
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
240
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
150
presen_司法書士学員会.pdf
tagtag
PRO
1
92
生成AIと司法書士の未来.pdf
tagtag
PRO
0
160
データ駆動型ゲノム解析で迫る睡眠研究
tagtag
PRO
0
85
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
62
知能とはなにか -ヒトとAIのあいだ-
tagtag
PRO
0
110
Genomic Differentiation of Sleep and Anesthesia: The Role of RHO GTPase and Cortical Neurons
tagtag
PRO
0
65
Other Decks in Science
See All in Science
Massey Ratings for Match Outcome Prediction in Table Tennis: Evidence of Greater Stability than the ITTF World Ranking
konakalab
0
130
ssmonline #51 ヤマサキ春のサメ祭り 2026 / ssmjp Yamasaki Spring JAWS Festival 2026
naospon
1
130
ゲームと人工知能
miyayou
0
130
摂理と合理の肉体改造 — AI時代の減量を支える観測・制御・継続
kiyoshi
0
3.2k
第67回コンピュータビジョン勉強会論文紹介「RoboWheel: A Data Engine from Real-World Human Demonstrations for Cross-Embodiment Robotic Learning」
x_ttyszk
0
160
ハミルトン・ヤコビ方程式の解の性質と物理的意味
enakai00
0
870
CVPR2026_VGGTとその仲間たち
mickey_0226
0
1.1k
Conversation is the New Dashboard: 属人性を排除する第4世代BIツールの勢力図
shomaekawa
1
640
データベース15: ビッグデータ時代のデータベース
trycycle
PRO
1
550
20260722【JAWS-UG東京 ランチタイムLT会 #37④】AWS Well-Architectedフレームワークに沿った回答をするAIエージェントを作ってみた
nozakijcom
1
130
データベース04: SQL (1/3) 単純質問 & 集約演算
trycycle
PRO
0
1.6k
東北地方における過去20年間の降水量の変化
naokimuroki
1
430
Featured
See All Featured
Agile that works and the tools we love
rasmusluckow
331
22k
BBQ
matthewcrist
89
10k
Groundhog Day: Seeking Process in Gaming for Health
codingconduct
0
290
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
254
22k
sira's awesome portfolio website redesign presentation
elsirapls
0
340
Exploring the relationship between traditional SERPs and Gen AI search
raygrieselhuber
PRO
2
4.2k
Primal Persuasion: How to Engage the Brain for Learning That Lasts
tmiket
0
430
Deep Space Network (abreviated)
tonyrice
0
270
Self-Hosted WebAssembly Runtime for Runtime-Neutral Checkpoint/Restore in Edge–Cloud Continuum
chikuwait
0
730
Unsuck your backbone
ammeep
672
58k
Dominate Local Search Results - an insider guide to GBP, reviews, and Local SEO
greggifford
PRO
0
310
Between Models and Reality
mayunak
4
400
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。