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
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
PRO
November 26, 2023
Science
300
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
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
PRO
November 26, 2023
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
180
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
250
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
160
presen_司法書士学員会.pdf
tagtag
PRO
1
100
生成AIと司法書士の未来.pdf
tagtag
PRO
0
170
データ駆動型ゲノム解析で迫る睡眠研究
tagtag
PRO
0
100
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
70
知能とはなにか -ヒトとAIのあいだ-
tagtag
PRO
0
120
Genomic Differentiation of Sleep and Anesthesia: The Role of RHO GTPase and Cortical Neurons
tagtag
PRO
0
73
Other Decks in Science
See All in Science
Non-Gaussian, nonlinear causal discovery with hidden variables and application
sshimizu2006
0
180
医療 LLM ベンチマークの現在地:多面的評価 と日本ローカライズ
analokmaus
1
690
Where does the rigor go? Research software and the future of trustworthy science.
arfon
0
160
データベース01: データベースを使わない世界
trycycle
PRO
1
1.5k
How a camera trap data standard enabled an ecosystem of interoperable tools
peterdesmet
0
130
Build your own LLM, Live, with MicroGPT
ianozsvald
0
140
20260410_SystemsThinking
takusamar
1
150
機械学習 - DBSCAN
trycycle
PRO
0
2.1k
機械学習 - K-means & 階層的クラスタリング
trycycle
PRO
0
2k
SAT ソルバーの仕組みと制約ソルバーへの応用
tsoh
1
140
Tensor Factorization Meets Deformed Information Geometry: Convex Relaxation under Deformed Algebra
gkazunii
0
150
[TMLR 2026, Featured Certification] Double Bounded α-Divergence Optimization for Density Estimation
gkazunii
1
120
Featured
See All Featured
WENDY [Excerpt]
tessaabrams
13
39k
brightonSEO & MeasureFest 2025 - Christian Goodrich - Winning strategies for Black Friday CRO & PPC
cargoodrich
3
830
Six Lessons from altMBA
skipperchong
29
4.5k
Navigating Team Friction
lara
192
16k
A brief & incomplete history of UX Design for the World Wide Web: 1989–2019
jct
2
500
Technical Leadership for Architectural Decision Making
baasie
3
560
Design in an AI World
tapps
1
310
The #1 spot is gone: here's how to win anyway
tamaranovitovic
3
1.2k
The Power of CSS Pseudo Elements
geoffreycrofte
82
6.6k
The B2B funnel & how to create a winning content strategy
katarinadahlin
PRO
1
510
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
31
3.4k
Speed Design
sergeychernyshev
33
2.1k
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。