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
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
Search
Y-h. Taguchi
November 26, 2023
Science
0
100
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
SIGBIO76で講演
https://www.ipsj.or.jp/kenkyukai/event/bio76.html
2023/11/29
Y-h. Taguchi
November 26, 2023
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
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
77
Tensor Decomposition Based Integrated Analysis of Protein-Protein Interaction with Cancer Gene Expression Can Improve the Coincidence with Clinical Labels
tagtag
0
76
AI(人工知能)の過去・現在・未来 ―AIは人間を超えるのか―
tagtag
0
110
Other Decks in Science
See All in Science
[NeurIPS 2023 論文読み会] Wasserstein Quantum Monte Carlo
stakaya
0
360
Spark_Task_Optimization_Journey_How_I_Increased_10x_Speed_by_Performance_Tuning
tlyu0419
0
200
名古屋市立大学データサイエンス学部 夏のオープンキャンパス模擬授業20230818
ncu_ds
0
1.1k
Demucsを用いた音源分離
508shuto
0
190
Design of three-dimensional binary manipulators based on the KS statistic and maximum empty circles (IECON2023)
konakalab
0
230
構造活性フォーラム2023-山﨑担当分
yamasakih
0
310
BMI 研究はなぜ同じ失敗を繰り返すのか(日本BMI研究会, 2021.11.5)
ykamit
1
2k
早わかり W3C Community Group
takanorip
0
270
20240127_OpenRadiossエアバッグ解析
kamakiri1225
0
150
Machine Learning for Materials (Lecture 1)
aronwalsh
1
1.5k
KDD2023学会参加報告
tereka114
2
340
The Universe, How it works
arafkarsh
0
110
Featured
See All Featured
Being A Developer After 40
akosma
57
580k
It's Worth the Effort
3n
180
27k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
30
6k
Documentation Writing (for coders)
carmenintech
60
3.9k
Teambox: Starting and Learning
jrom
128
8.4k
Creatively Recalculating Your Daily Design Routine
revolveconf
210
11k
Adopting Sorbet at Scale
ufuk
68
8.6k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
2
1.3k
Why You Should Never Use an ORM
jnunemaker
PRO
51
8.6k
Become a Pro
speakerdeck
PRO
11
4.5k
No one is an island. Learnings from fostering a developers community.
thoeni
16
2.1k
KATA
mclloyd
15
12k
Transcript
SIGBIO76 1 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 田口 善弘(中央大学) ターキー ターキー(キング・アブドゥルアズィーズ大学)
SIGBIO76 2
SIGBIO76 3 動機: 2剤同時に作用させた場 合の遺伝子発現プロファ イルを主成分分析すると CONVEXなプロファイル になるがこれが2剤相互 作用の効果であるという 論文が結構IFの高い雑
誌(IF=9.3)に出た (2019 2019年11月13日)→ → 大嘘 大嘘 反論論文を書いた
SIGBIO76 4 Taguchi, Yh. Drug candidate identification based on gene
expression of treated cells using tensor decomposition-based unsupervised feature extraction for large-scale data. BMC Bioinformatics 19 (Suppl 13), 388 (2019 2019) 2月4日. 1剤処理でもテンソル分 解するとCONVEX依存は 出る。
SIGBIO76 5 Cell Systemsの論文がでてすぐBMC Bioinfomaticsの論文 を引用して間違いを指摘したが無視されて、European Journal of Pharmaceutical SciencesにCell
Systemsの データを再解析した論文(今回発表)を載せて再度間違いを 指摘したがそのままになっている。 ただし、Cell Systemsの論文の引用は16回しかされてない (BMC Bioinformaticsの方は19回引用)。でもCVに書いて あったらCell Systemsの方が評価高いんでしょうね、きっと(不 公平!)。
SIGBIO76 6 Cell Systems の論文データ:GSE138256 出芽酵母 4剤から全ペアで6ペア。Doseはペアによって 異なるが共通の16Doseを選択
SIGBIO76 7 遺伝子数 Dose ペア 発現量 正規化
SIGBIO76 8 HOSVD(テンソル分解) 遺伝子 依存性 Dose 依存性 ペア 依存性 3
SIGBIO76 9
SIGBIO76 10 HOSVD(PCAも同じだが)は基底の直交性を要求するので 一定値→直線→2次→3次..... となっていくのは数学的に自然で完全にArtifactであり、2剤の 相互作用でCONVEXがでているというのは戯言である
SIGBIO76 11 比較: GSE138256 単剤処理
SIGBIO76 12 x ijk ∈ℝN×14×4 遺伝子数 Dose 薬物 発現量 正規化
SIGBIO76 13 遺伝子 依存性 Dose 依存性 ペア 依存性 3
SIGBIO76 14
SIGBIO76 15 単剤でもCONVEXはでるがなぜか第5,6主成分にしか出な い。単剤処理を扱った我々のBMC Bioinformatics論文では もっと上の成分で出ていた。この結果、Cell Systems論文の 解析では「単剤処理ではCONVEXは出ない」と誤認してし まった可能性がある。 主成分分析ではあまり下の成分までは見ない、あるいは、無
視するというのはありがちである。 うがった見方をするとCell Systemsという高IF誌に通すため にわざと嘘をついたのかもしれない。
SIGBIO76 16 おまけ:テンソル分解する前は単剤処理だとCONVEXじゃな いのか?左:BDH1 右:SSA1 →各遺伝子でもCONVEX
SIGBIO76 17 テンソル分解する前は2剤処理でもCONVEX 左:BDH1 右:SSA1
SIGBIO76 18 結論: Dose依存性がCONVEXであることは2剤相互作用とかでは なく、解析方法が作り出したArtifactであり、単剤処理でも CONVEXは出現する →じゃあCONVEXであることは無意味なのか? →NO。CONVEXである遺伝子を選んで解析することには 当然、意味があるはず。遺伝子の機能的な観点から議論さ れなくてはいけない。
SIGBIO76 19 CONVEX Dose依存性: 2剤処理:l1 =3,4 単剤処理:l1 =5,6 単剤、ペア依存性:l1 =1 (一定値=依存性なし)
2剤処理:l1 =3,4 単剤処理:l1 =5,6
SIGBIO76 20 2剤処理:l3 =4,5,6 単剤処理:l3 =4
SIGBIO76 21 P値をBenjamini-Hochbergで補正し て0.01以下の遺伝子を選ぶとかな りかぶっている。 したがってCONVEX Dose依存性 を示す遺伝子は単剤、2剤処理で かなり共通だと思われる(2剤処 理では2つの薬剤の値を一方を減
らし、他方を増やすように動かす のだから、ある意味当たり前)。
SIGBIO76 22 157遺伝子(2剤処理)をMetascapeにアップロードした結果
SIGBIO76 23 77遺伝子(単剤処理)をMetascapeにアップロードした結果
SIGBIO76 24 まとめ CONVEX Dose依存性は2剤相互作用ではなく、遺伝子の性質 であり、なんからのバイオロジカルなプロセスに関係していると思 われる。