原発不明癌のマイクロアレイによる分類
•Download as PPT, PDF•
0 likes•49 views
2008年東京大学医学部、疫学・生物統計学修士論文、倉橋一成
Recommended
More Related Content
Similar to 原発不明癌のマイクロアレイによる分類
Similar to 原発不明癌のマイクロアレイによる分類 (20)
Recently uploaded
Recently uploaded (16)
原発不明癌のマイクロアレイによる分類
- 2. 原発不明癌 • 全悪性腫瘍患者の3～5% • 原発巣の特定が困難 – 発見当初から多くの転移巣 – 剖検を行っても特定できない • Briasoulisらの研究では 約2,000例中68%で原発巣の 特定ができなかった • 有効な治療法は無い – 一般的な治療法は存在する – ある治療に対して反応性の良い部分集団は 存在するが一般的に予後不良 Briasoulis E, et al. 1997.
- 3. 臨床試験の計画 • 治療選択による生存時間の延長 • 原発不明癌をマイクロアレイによっていずれか の癌種に分類し選ばれた癌種の治療を行う – 近畿大学医学部付属病院内科学腫瘍内科部門が 中心となって臨床試験を計画 – 検討されている分類癌種 • 卵巣癌，胃癌，大腸癌，乳癌，膵臓癌，胆道癌，神経原 性腫瘍，その他
- 4. 本研究の目的 • 原発不明癌データをマイクロアレイによっ て癌種分類するアルゴリズムを提案し検討 – 原発癌を学習データとして分類基準を作成 – 将来の原発不明癌に当てはめた際の性能は クロスバリデーション（CV）によって評価 – 本研究で作成した分類基準を用いて今後 臨床試験を行う予定
- 5. マイクロアレイ • 癌細胞中のmRNAの発現量を測定 – 遺伝子の機能よりも発現量と癌種の関連性に 興味がある • 創薬の場合は遺伝子機能が関心対象となる – 1枚のアレイで数万遺伝子を同時測定 – 個々の遺伝子発現を見るよりは，数万遺伝子 の発現パターンを捉える – 発現パターンが癌種の特徴を表現している
- 6. 使用データ • Gene Expression Omnibus から収集 • 近畿大学医学部ゲノム生物学 教室から借用 – 学習データなので全て原発巣は 分かっている • Affymetrix社のU133系の チップで測定 – 22,277遺伝子を対象 癌種 サンプル数 膀胱癌 49 悪性脳腫瘍 103 乳癌 81 子宮頸癌 61 大腸癌 53 直腸癌 177 胚細胞腫 101 頭頚部癌 42 肺腺癌 59 リンパ腫 5 卵巣癌 24 膵臓癌 39 前立腺癌 169 腎臓癌 9 胃癌 28 甲状腺癌 24 合計 1024
- 7. マイクロアレイデータ • 観測値の補正 – 不等分散性 • 対数変換よりも逆双曲線正弦（asinh）変換の方が良い – バイアスの混入 • 実験施設，測定チップ種による大きなバイアス • 変量効果を仮定した混合効果モデルによって除去 • 変数の縮小 – 超多変量データ • 数万遺伝子の情報を一度に使用することは困難 • 遺伝子クラスタリング（重心法） • partial least squares（PLS）法 倉橋ら. 2007.
- 8. PLS法 • 主成分分析的アプローチ – 変数の線形結合によって新しい変数 （PLSスコア）を作る • 結果変数（癌種）の情報を利用 – 癌種と相関の高い変数 – クラス選択（癌種分類）の際に有用 Dai JJ, et al. 2006.
- 10. クラス選択（癌種分類） • 事後確率最大化法 – 最も簡単で一般的な方法 – 多変量正規分布を仮定 – 事後確率の最も高いクラスに分類する ( ) ( ) ( ) ( ) ( ) c p c p c p c p c p c x x x 1 1 2 2 1 1 ( ) ( ) exp ( ) ( ) ( ) 2 (2 ) T c c c M c p c p c p c x x x 事前確率（各癌腫の割合） M変量正規分布の確率密度 平均からの距離 2 ( ) d
- 11. • 正解割合：98.2% – PLSスコア1～10を用いて分類 – 使用データへの当てはまり（fitting）はかなり良い 事後確率最大化法の適用 膀胱 脳 乳 子宮 大腸 直腸 胚 頭頚部 肺 リンパ 卵巣 膵臓 前立腺 腎臓 胃 甲状腺 膀胱癌 49 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 49 悪性脳腫瘍 0 102 0 0 0 0 1 0 0 0 0 0 0 0 0 0 103 乳癌 0 0 75 0 0 0 6 0 0 0 0 0 0 0 0 0 81 子宮頸癌 0 0 0 59 0 0 0 2 0 0 0 0 0 0 0 0 61 大腸癌 0 0 0 0 53 0 0 0 0 0 0 0 0 0 0 0 53 直腸癌 0 0 0 0 0 177 0 0 0 0 0 0 0 0 0 0 177 胚細胞腫 0 1 4 0 0 0 93 0 2 0 0 0 0 0 0 1 101 頭頚部癌 0 0 0 1 0 0 0 41 0 0 0 0 0 0 0 0 42 肺腺癌 0 0 0 0 0 0 0 0 59 0 0 0 0 0 0 0 59 リンパ腫 0 0 0 0 0 0 0 0 0 5 0 0 0 0 0 0 5 卵巣癌 0 0 0 0 0 0 0 0 0 0 24 0 0 0 0 0 24 膵臓癌 0 0 0 0 0 0 0 0 0 0 0 39 0 0 0 0 39 前立腺癌 0 0 0 0 0 0 0 0 0 0 0 0 169 0 0 0 169 腎臓癌 0 0 0 0 0 0 0 0 0 0 0 0 0 9 0 0 9 胃癌 0 0 0 0 0 0 0 0 0 0 0 0 0 0 28 0 28 甲状腺癌 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 23 24 合計 49 103 80 60 53 177 100 43 61 5 24 39 169 9 28 24 1024 事前分布 4.8% 10.1% 7.9% 6.0% 5.2% 17.3% 9.9% 4.1% 5.8% 0.5% 2.3% 3.8% 16.5% 0.9% 2.7% 2.3% 合計 正解数：1006（98.2%） 分類癌腫 真の癌腫
- 12. 誤分類率（正解率）の推定 • 将来の観測値を分類した際の誤分類率（正解 率）を予測 – fittingの際の正解割合は正解率を過大評価 • テストデータが学習データに含まれているため • クロスバリデーション（CV） – 10-fold CV • データセットを10個に分割する • 1つをテストデータ，残り9つを学習データとする • 学習データで分類基準を作ってテストデータに当てはめる • 誤分類割合（正解割合）を算出する • 10回繰り返し，10回の平均値を誤分類率（正解率） の推定値とする
- 13. 10-fold CV（事後確率最大化法） • 正解率：43.9% – fittingに比べて正解率は激減 – 誤分類率が増加 膀胱 脳 乳 子宮 大腸 直腸 胚 頭頚部 肺 リンパ 卵巣 膵臓 前立腺 腎臓 胃 甲状腺 膀胱癌 26 2 0 6 6 0 7 2 0 0 0 0 0 0 0 0 49 悪性脳腫瘍 2 78 0 0 0 4 8 0 0 0 0 0 11 0 0 0 103 乳癌 0 26 5 0 1 40 0 0 6 0 0 0 3 0 0 0 81 子宮頸癌 0 0 0 38 0 3 9 11 0 0 0 0 0 0 0 0 61 大腸癌 6 7 0 5 14 0 12 2 1 0 0 0 6 0 0 0 53 直腸癌 44 23 1 14 8 61 8 7 2 0 0 0 9 0 0 0 177 胚細胞腫 15 28 0 0 14 11 23 1 2 0 0 0 7 0 0 0 101 頭頚部癌 0 0 0 24 0 7 4 7 0 0 0 0 0 0 0 0 42 肺腺癌 3 31 2 0 13 0 3 0 7 0 0 0 0 0 0 0 59 リンパ腫 0 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9 卵巣癌 0 0 0 0 0 0 0 0 0 0 18 2 0 0 4 0 24 膵臓癌 0 0 0 0 0 0 0 0 0 0 0 38 0 0 1 0 39 前立腺癌 11 11 0 0 1 31 2 0 0 0 0 0 113 0 0 0 169 腎臓癌 0 2 0 0 2 0 1 0 0 0 0 0 0 0 0 0 5 胃癌 0 0 0 0 0 2 0 0 0 0 2 3 0 0 21 0 28 甲状腺癌 0 12 0 0 5 0 0 0 0 0 0 0 7 0 0 0 24 合計 107 229 8 87 64 159 77 30 18 0 20 43 156 0 26 0 1024 真の癌腫 分類癌腫 合計 正解数：449（43.9%）
- 15. 事後確率最大化法（例） ①胃癌 ③大腸癌 ②膵臓癌 1 3 d 2 9 d 3 10 d 1 100% p 2 0% p 3 0% p
- 16. 事後確率最大化法（例） ①胃癌 ③大腸癌 ②膵臓癌 1 8 d 2 3 d 3 9 d 1 0% p 2 100% p 3 0% p
- 17. 事後確率最大化法（例） ①胃癌 ③大腸癌 ②膵臓癌 1 7 d 2 7.3 d 3 9 d 1 89.5% p 2 10.5% p 3 0% p
- 18. 事後確率最大化法の問題点 • 常に1つのクラスに分類される • 事後確率が距離の指数関数を含んでいる – 距離が少し変化すると事後確率は大幅に変化 • 観測値の次元が高いと顕著 • 2つのクラスの間にある観測値でもより近いクラスの 事後確率だけが非常に高くなる 事後確率の補正と情報エントロピー基準 によるクラス選択によって解消
- 19. 提案する補正 • 事後確率の補正 – 正規分布の確率密度と事前確率をM乗根（1/M乗） • 幾何平均のような頑健性 • 観測値の次元が異なる分類方法でも事後確率は比較可能 ( ) ( ) ( ) ( ) ( ) c p c p c p c p c p c x x x 1 1 1 2 2 1 1 ( ) ( ) exp ( ) ( ) ( ) 2 (2 ) M T c c c M c p c p c p c x x x
- 20. 情報エントロピー • 情報エントロピー – 補正した事後確率を利用して計算する • 小さいと情報量が多い，大きいと情報量が少ない – 1クラスの事後確率が1 ： – 2クラスの事後確率が1/2 ： – クラスの事後確率が ： 2 ( )log ( ) c E p c p c x x x 2 log 1 0 E x 2 log 2 1 E x 2 log E i x i 1/i
- 21. 提案する情報エントロピー基準 – 事後確率の高いクラスから順に候補クラスを選ぶ – 候補クラスに真のクラスが入っていれば正解とする 0 1 2 1.58 1つ 候補クラス数 2つ 3つ エントロピー 4つ であれば 上位 個のクラスを候補クラスとする ix 2 2 log log ( 1) i E i x x x
- 22. 距離（d） 補正事後確率（p） ①胃癌 7 49.8% ②膵臓癌 7.3 40.2% ③大腸癌 9 10.1% 距離（d） 補正事後確率（p） ①胃癌 8 5.9% ②膵臓癌 3 91.6% ③大腸癌 9 2.5% 距離（d） 補正事後確率（p） ①胃癌 3 96.3% ②膵臓癌 9 2.6% ③大腸癌 10 1.0% 情報エントロピー基準（例） 胃癌に分類：正解 胃癌と膵臓癌の2種が 候補クラス：正解 膵臓癌に分類：正解 情報エントロピー0.26：候補クラス1つ 情報エントロピー0.49：候補クラス1つ 情報エントロピー1.36：候補クラス2つ
- 23. 10-fold CVを適用した箱ひげ図 449 187 79 78 71 71 39 15 1 3 5 12 9 5
- 29. 10-fold CV（情報エントロピー基準） • 正解率：78.6% – 事後確率最大化法（43.9%） よりかなり高い • 候補クラスを用意 – 候補クラスに真の クラスが含まれている • 事後確率に対する補正 – 補正が無いと情報エントロピー基準が適用できない • ほとんどの観測値で情報エントロピーが0 候補クラス数 正解 不正解 合計 1 154 86 240 2 26 13 39 3 149 29 178 4 94 54 148 5 177 28 205 6 183 9 192 7 22 0 22 805 219 1024 78.6% 21.4% 合計
- 30. 事後確率最大化法と 情報エントロピー基準の比較 • 候補クラスを用意 – 候補クラスが複数ありそれぞれの事後確率も提示 • 癌種と事後確率の大きさに応じて治療法を 選択可能 – 胃癌：60%，大腸癌：30%の場合共通の治療を選択 （TS1+プラチナ製剤など） – 候補クラスが非常に多い：原発不明癌の治療を選択 （タキサン+プラチナ製剤など）
- 31. 本研究の限界と課題 • 使用データ – 全て原発巣がはっきりしている • 原発不明癌への適用は今後臨床試験で評価 – サンプル不足である癌腫はサンプルを随時追加 • 解析手法 – 線形混合効果モデルで実験施設とチップ種の効果 が適切に除去できてない可能性 • 情報エントロピー基準 – 事後確率最大化法で正解しているサンプルでも 候補クラスが複数発生する場合もある