Submit Search
Upload
主成分分析を用いた教師なし学習による変数選択法を用いたがんにおけるmRNA-miRNA相互作用のより信頼性のある同定
•
1 like
•
706 views
Y-h Taguchi
Follow
情報処理学会第46回バイオ情報学研究会講演プレゼンテーション
Read less
Read more
Science
Report
Share
Report
Share
1 of 22
Download now
Download to read offline
Recommended
miRNA-mRNA相互作用同定を用いた 腎芽腫関連遺伝子の推定
miRNA-mRNA相互作用同定を用いた 腎芽腫関連遺伝子の推定
Y-h Taguchi
miRNAデータ解析入門_第23回勉強会資料
miRNAデータ解析入門_第23回勉強会資料
Amelieff
What is MicroRNA? - Leading The Way with MicroRNA
What is MicroRNA? - Leading The Way with MicroRNA
Thermo Fisher Scientific
SNPデータ解析入門
SNPデータ解析入門
Amelieff
Tensor decomposition based and principal component analysis based unsupervise...
Tensor decomposition based and principal component analysis based unsupervise...
Y-h Taguchi
主成分分析を用いた教師なし学習による筋萎縮性側索硬化症とがんの遺伝的関連性の解明
主成分分析を用いた教師なし学習による筋萎縮性側索硬化症とがんの遺伝的関連性の解明
Y-h Taguchi
Tensor decompositionbased unsupervised feature extraction identified the un...
Tensor decompositionbased unsupervised feature extraction identified the un...
Y-h Taguchi
Tensor decomposition based unsupervised feature extraction applied to matrix...
Tensor decomposition based unsupervised feature extraction applied to matrix...
Y-h Taguchi
Recommended
miRNA-mRNA相互作用同定を用いた 腎芽腫関連遺伝子の推定
miRNA-mRNA相互作用同定を用いた 腎芽腫関連遺伝子の推定
Y-h Taguchi
miRNAデータ解析入門_第23回勉強会資料
miRNAデータ解析入門_第23回勉強会資料
Amelieff
What is MicroRNA? - Leading The Way with MicroRNA
What is MicroRNA? - Leading The Way with MicroRNA
Thermo Fisher Scientific
SNPデータ解析入門
SNPデータ解析入門
Amelieff
Tensor decomposition based and principal component analysis based unsupervise...
Tensor decomposition based and principal component analysis based unsupervise...
Y-h Taguchi
主成分分析を用いた教師なし学習による筋萎縮性側索硬化症とがんの遺伝的関連性の解明
主成分分析を用いた教師なし学習による筋萎縮性側索硬化症とがんの遺伝的関連性の解明
Y-h Taguchi
Tensor decompositionbased unsupervised feature extraction identified the un...
Tensor decompositionbased unsupervised feature extraction identified the un...
Y-h Taguchi
Tensor decomposition based unsupervised feature extraction applied to matrix...
Tensor decomposition based unsupervised feature extraction applied to matrix...
Y-h Taguchi
遺伝子発現プロファイルからの 薬剤標的タンパクの統計的推定法の開発
遺伝子発現プロファイルからの 薬剤標的タンパクの統計的推定法の開発
Y-h Taguchi
Identification of Candidate Drugs for Heart Failure using Tensor Decompositio...
Identification of Candidate Drugs for Heart Failure using Tensor Decompositio...
Y-h Taguchi
Rectified factor networks for biclustering of omics data
Rectified factor networks for biclustering of omics data
Y-h Taguchi
テンソル分解を用いた教師なし学習による変数選択
テンソル分解を用いた教師なし学習による変数選択
Y-h Taguchi
主成分分析を用いた教師なし学習による変数選択を用いたヒストン脱アセチル化酵素阻害剤の機能探索
主成分分析を用いた教師なし学習による変数選択を用いたヒストン脱アセチル化酵素阻害剤の機能探索
Y-h Taguchi
『主成分分析を用いた教師なし学習による変数選択』 を用いたデング出血熱原因遺伝子の推定
『主成分分析を用いた教師なし学習による変数選択』 を用いたデング出血熱原因遺伝子の推定
Y-h Taguchi
Principal component analysis based unsupervised feature extraction applied to...
Principal component analysis based unsupervised feature extraction applied to...
Y-h Taguchi
microRNA-mRNA interaction identification in Wilms tumor using principal compo...
microRNA-mRNA interaction identification in Wilms tumor using principal compo...
Y-h Taguchi
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
Y-h Taguchi
主成分分析を用いた教師なし学習による出芽酵母 の時間周期遺伝子発現プロファイルの解析
主成分分析を用いた教師なし学習による出芽酵母 の時間周期遺伝子発現プロファイルの解析
Y-h Taguchi
PCAを用いた2群の有意差検定
PCAを用いた2群の有意差検定
Y-h Taguchi
SFRP1 is a possible candidate for epigenetic therapy in nonsmall cell lung ...
SFRP1 is a possible candidate for epigenetic therapy in nonsmall cell lung ...
Y-h Taguchi
A cross-species bi-clustering approach to identifying conserved co-regulated ...
A cross-species bi-clustering approach to identifying conserved co-regulated ...
Y-h Taguchi
Identification of aberrant gene expression associated with aberrant promoter ...
Identification of aberrant gene expression associated with aberrant promoter ...
Y-h Taguchi
Heuristic Principal Component Analysis Based unsupervised Feature Extraction...
Heuristic Principal Component Analysis Based unsupervised Feature Extraction...
Y-h Taguchi
Integrating different data types by regularized unsupervised multiple kernel...
Integrating different data types by regularized unsupervised multiple kernel...
Y-h Taguchi
FAMSとchooseLDを用いたインシリコ創薬パイプライン
FAMSとchooseLDを用いたインシリコ創薬パイプライン
Y-h Taguchi
Principal component analysis-based unsupervised feature extraction applied to...
Principal component analysis-based unsupervised feature extraction applied to...
Y-h Taguchi
In silico spleen tyrosine kinase inhibitor screening by chooseLD
In silico spleen tyrosine kinase inhibitor screening by chooseLD
Y-h Taguchi
How to screen out liars
How to screen out liars
Y-h Taguchi
More Related Content
More from Y-h Taguchi
遺伝子発現プロファイルからの 薬剤標的タンパクの統計的推定法の開発
遺伝子発現プロファイルからの 薬剤標的タンパクの統計的推定法の開発
Y-h Taguchi
Identification of Candidate Drugs for Heart Failure using Tensor Decompositio...
Identification of Candidate Drugs for Heart Failure using Tensor Decompositio...
Y-h Taguchi
Rectified factor networks for biclustering of omics data
Rectified factor networks for biclustering of omics data
Y-h Taguchi
テンソル分解を用いた教師なし学習による変数選択
テンソル分解を用いた教師なし学習による変数選択
Y-h Taguchi
主成分分析を用いた教師なし学習による変数選択を用いたヒストン脱アセチル化酵素阻害剤の機能探索
主成分分析を用いた教師なし学習による変数選択を用いたヒストン脱アセチル化酵素阻害剤の機能探索
Y-h Taguchi
『主成分分析を用いた教師なし学習による変数選択』 を用いたデング出血熱原因遺伝子の推定
『主成分分析を用いた教師なし学習による変数選択』 を用いたデング出血熱原因遺伝子の推定
Y-h Taguchi
Principal component analysis based unsupervised feature extraction applied to...
Principal component analysis based unsupervised feature extraction applied to...
Y-h Taguchi
microRNA-mRNA interaction identification in Wilms tumor using principal compo...
microRNA-mRNA interaction identification in Wilms tumor using principal compo...
Y-h Taguchi
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
Y-h Taguchi
主成分分析を用いた教師なし学習による出芽酵母 の時間周期遺伝子発現プロファイルの解析
主成分分析を用いた教師なし学習による出芽酵母 の時間周期遺伝子発現プロファイルの解析
Y-h Taguchi
PCAを用いた2群の有意差検定
PCAを用いた2群の有意差検定
Y-h Taguchi
SFRP1 is a possible candidate for epigenetic therapy in nonsmall cell lung ...
SFRP1 is a possible candidate for epigenetic therapy in nonsmall cell lung ...
Y-h Taguchi
A cross-species bi-clustering approach to identifying conserved co-regulated ...
A cross-species bi-clustering approach to identifying conserved co-regulated ...
Y-h Taguchi
Identification of aberrant gene expression associated with aberrant promoter ...
Identification of aberrant gene expression associated with aberrant promoter ...
Y-h Taguchi
Heuristic Principal Component Analysis Based unsupervised Feature Extraction...
Heuristic Principal Component Analysis Based unsupervised Feature Extraction...
Y-h Taguchi
Integrating different data types by regularized unsupervised multiple kernel...
Integrating different data types by regularized unsupervised multiple kernel...
Y-h Taguchi
FAMSとchooseLDを用いたインシリコ創薬パイプライン
FAMSとchooseLDを用いたインシリコ創薬パイプライン
Y-h Taguchi
Principal component analysis-based unsupervised feature extraction applied to...
Principal component analysis-based unsupervised feature extraction applied to...
Y-h Taguchi
In silico spleen tyrosine kinase inhibitor screening by chooseLD
In silico spleen tyrosine kinase inhibitor screening by chooseLD
Y-h Taguchi
How to screen out liars
How to screen out liars
Y-h Taguchi
More from Y-h Taguchi
(20)
遺伝子発現プロファイルからの 薬剤標的タンパクの統計的推定法の開発
遺伝子発現プロファイルからの 薬剤標的タンパクの統計的推定法の開発
Identification of Candidate Drugs for Heart Failure using Tensor Decompositio...
Identification of Candidate Drugs for Heart Failure using Tensor Decompositio...
Rectified factor networks for biclustering of omics data
Rectified factor networks for biclustering of omics data
テンソル分解を用いた教師なし学習による変数選択
テンソル分解を用いた教師なし学習による変数選択
主成分分析を用いた教師なし学習による変数選択を用いたヒストン脱アセチル化酵素阻害剤の機能探索
主成分分析を用いた教師なし学習による変数選択を用いたヒストン脱アセチル化酵素阻害剤の機能探索
『主成分分析を用いた教師なし学習による変数選択』 を用いたデング出血熱原因遺伝子の推定
『主成分分析を用いた教師なし学習による変数選択』 を用いたデング出血熱原因遺伝子の推定
Principal component analysis based unsupervised feature extraction applied to...
Principal component analysis based unsupervised feature extraction applied to...
microRNA-mRNA interaction identification in Wilms tumor using principal compo...
microRNA-mRNA interaction identification in Wilms tumor using principal compo...
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
Comprehensive analysis of transcriptome andmetabolome analysis in Intrahepati...
主成分分析を用いた教師なし学習による出芽酵母 の時間周期遺伝子発現プロファイルの解析
主成分分析を用いた教師なし学習による出芽酵母 の時間周期遺伝子発現プロファイルの解析
PCAを用いた2群の有意差検定
PCAを用いた2群の有意差検定
SFRP1 is a possible candidate for epigenetic therapy in nonsmall cell lung ...
SFRP1 is a possible candidate for epigenetic therapy in nonsmall cell lung ...
A cross-species bi-clustering approach to identifying conserved co-regulated ...
A cross-species bi-clustering approach to identifying conserved co-regulated ...
Identification of aberrant gene expression associated with aberrant promoter ...
Identification of aberrant gene expression associated with aberrant promoter ...
Heuristic Principal Component Analysis Based unsupervised Feature Extraction...
Heuristic Principal Component Analysis Based unsupervised Feature Extraction...
Integrating different data types by regularized unsupervised multiple kernel...
Integrating different data types by regularized unsupervised multiple kernel...
FAMSとchooseLDを用いたインシリコ創薬パイプライン
FAMSとchooseLDを用いたインシリコ創薬パイプライン
Principal component analysis-based unsupervised feature extraction applied to...
Principal component analysis-based unsupervised feature extraction applied to...
In silico spleen tyrosine kinase inhibitor screening by chooseLD
In silico spleen tyrosine kinase inhibitor screening by chooseLD
How to screen out liars
How to screen out liars
主成分分析を用いた教師なし学習による変数選択法を用いたがんにおけるmRNA-miRNA相互作用のより信頼性のある同定
1.
主成分分析を用いた教師なし学習による 変数選択法を用いたがんにおけるmRNA miRNA相互作用のより信頼性のある同定 中央大学理工学部物理学科 田口善弘 Published asPublished as Taguchi, Y.H. Identification of More Feasible MicroRNA–mRNA Interactions
within Multiple Cancers Using Principal Component Analysis Based Unsupervised Feature Extraction. Int. J. Mol. Sci. 2016, 17, 696.
2.
1.本研究の目的 microRNA (miRNA)とは? DNA mRNA タンパク miRNA
3.
miRNAmRNA相互作用の予測の困難さ *ペアの数が膨大 mRNA 〜 104,
miRNA 〜 103 → ペア 〜 107 *計算機:予測が塩基配列ベース
4.
解決策: 発現差の有無でmRNA/miRNAをスクリーニング 例:疾患Xで作用しているmiRNAmRNAペア → 患者 vs 健常者の発現差が 有意なmRNA/miRNAを選ぶ mRNA
miRNA 健 常 者 患 者 健 常 者 患 者 マ ッ チ ン グ 負相関
5.
この解決策の問題点: 「発現差が有意発現差が有意」の基準が恣意的 スクリーニング基準: P値とフォールドチェンジ(Fold Change:FC): 何倍/何分の1になったか P値の問題点: mRNA/miRNAの個数N:固定 サンプル数:M:可変 M:大 → P:小 FCの問題点: 2または1/2が一般的。でも根拠?
6.
先行研究の例
7.
現実の研究では...... P値とFCを調整 → 「いい結果」 妥当性
→ 議論無し 結果が生物的に妥当なら無問題結果が生物的に妥当なら無問題 (P値とFCの選択の恣意性は不問) →「どのmRNA/miRNAが有意に変化しているか」 →「真実の答え」 → Data drivenなストラテジー
8.
アイディア:アイディア:PCAPCA(主成分分析)の活用(主成分分析)の活用 N(mRNA/miRNAの個数):不変 M:可変 M → ∞で収束するものを目指す ⇓ PCAでNの方を低次元空間に埋め込めば M
→ ∞で収束するはず(自由度が有限なら)
9.
M(≪N) サンプル 遺 伝 子 発 現 行 列 主成分負荷量 (M ∞→ で収束) 健 常 者 患 者 PC1M N PC1 PC2 ガウス分布 (仮定) cf.確率PCA 主成分得点 外れ値*
|| 選択 有意差: t検定:P<0.05 *:多重正規+χ2分布 BH多重比較補正P値<0.01 N(mRNA/miRNA)
10.
Synthetic example 10 samples 10 samples 90 features 10 features N(0) N() [N()+N(0)]/2 +:Top 10 outliers Thus, extracting outliers selects features distinct between two classes in an unsupervised way. Accuracy:(100 trials)Accuracy:(100 trials) 89.5% ( 52.6% ( PC1 PC2 Normal μ:mean Distribution ½ :SD
11.
miRNA発現プロファイル mRNA発現プロファイル 主成分分析を用いた教師なし学習による変数選択法主成分分析を用いた教師なし学習による変数選択法 選択されたmiRNA 選択されたmRNA 患者>健常者 患者<健常者 それ以外 患者<健常者 患者>健常者 それ以外 miRNA-mRNAペアstarbase†
文献検索 判別分析判別分析 TargetScan*TargetScan* *:塩基配列ベースのmiRNA/mRNA相互作用データベース †:実験ベースのmiRNA/mRNA相互作用データベース mRNA/miRNA相互作用同定への応用ワークフロー
12.
対 象 デ ー タ セ ッ ト と 選 択 結 果 主 成 分 分 析 を 用 い た 教 師 な し 学 習 に よ る 変 数 選 択 法 で 選 択 さ れ た miRNA/mRNA 1 2 3 4 5 6
13.
判別分析判別分析((主成分負荷量を用いて線形判別主成分負荷量を用いて線形判別,LOOCV,LOOCV))
14.
いずれも、患者vs健常者をよく判別できているの で、がんに伴った発現変化のあるmiRNA/mRNA をうまく選べた
15.
miRNA/mRNAペア同定結果 ()内の数の意味: *:starbaseでmiRNA/mRNA負相関が報告(癌腫非限定) †:当該癌腫との関連の既報がある * † †
16.
結論: miRNA/mRNA相互作用を、発現プロファイルと塩基配列情報を 統合して、複数の癌腫、複数のプラットフォーム、複数の実験グ ループの混在したデータセットに対して統一基準で同定することに 成功した。 また、同定されたmiRNA,mRNA,miRNA/mRNAペアとがんの 関係は既報とよく一致していた(ので信頼できるだろう)。 統一基準で解析できる利点: ・サンプルバイアスの軽減 ・ダメなものはダメとわかる。 ・ヘテロなデータセット(異種プラットフォーム、複数実験グループ の混在)が可能になるので解析の可能性が広がる。 先行研究: そもそも、こういう問題意識が希薄なので誰もやってないので は....。
17.
おまけ:おまけ: 講演申込み後、別種の腫瘍(Wilms Tumor;腎臓がん)につい て追加実験を行った(submitted to
BIBE2016, bioRXiv doi: http://dx.doi.org/10.1101/059295) 目的:同一研究グループがmiRNA/mRNAを一部同一サンプ ルで行ったので負相関などを直接決定できる。 mRNA miRNA 患者 健常者 患者 健常者 28 4 62 4 選択選択 mRNA 1114 miRNA 55 判別判別 mRNA miRNA 患者 健常者 患者 健常者 患者 27 0 61 0 健常者 1 4 1 4
18.
R=-0.126 (P=0.008) R=-0.267 (P<1016)
19.
3,4 2
20.
複数個の複数個のmiRNAmiRNAの標的になっている遺伝子のの標的になっている遺伝子の 予後予測に関係するがん(太字:腎臓がん)予後予測に関係するがん(太字:腎臓がん) 3,4
21.
2
22.
mRNAとmiRNAが同一サンプルであるという 重要な情報を使わなくても、mRNAとmiRNAが 有意に負相関し、かつ、生物学的に妥当な結果 が出せたので手法の信頼性はさらに高まった。
Download now