Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
•
3 j'aime•4,817 vues
第43回データマイニング+WEB ＠東京での発表資料です。
Recommandé
Contenu connexe
En vedette
En vedette (20)
Similaire à Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Similaire à Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見" (17)
Plus de Akifumi Eguchi
Plus de Akifumi Eguchi (19)
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
- 1. 化学物質汚染のデータ解析・リスク評価についての私見 @siero5335 2015/2/28 TokyoWebmining 43st @Ni:y 1/46
- 4. 自己紹介 Twitter ID: @siero5335 仕事: 某大学で 化学物質曝露影響の解析 測定法の開発してます 専門: 環境化学、分析化学 興味: 生理活性物質の一斉分析 4/46
- 5. どんなものを分析するのか？ ポリ塩化ビフェニル（PCBs） カネミ油症事件 ポリ臭化ビフェニルエーテル(PBDEs) 難燃剤として電化製品等に添加 ダイオキシン （枯葉剤の不純物・焼却炉で生成） 鉛（鉛中毒） ヒ素（事件多数） 水銀（水俣病） 5/46
- 6. なぜ測定する必要があるのか：金属 Neurobehavioural effects of developmental toxicity, 2014, 13, 330-‐8 子供の神経発達に影響しそうな化学物質 Top5 1. 鉛（有鉛ガソリン） 2. 有機水銀（水俣病） 3. ヒ素（事件いろいろ） 4. ポリ塩化ビフェニル (PCBs) 5. トルエン等溶剤（シンナー） Developmental neurotoxicity of industrial chemicals, 2006, 368, 2167-‐78 ヒ素及び重金属の高曝露は致死に至る例が多い （比較的）低濃度であっても曝露が子供の精神発達に影響 6/46
- 7. 7/47 なぜ測定する必要があるのか：PCB, Dioxin ポリ塩化ビフェニル（PCBs） カネミ油症事件 ダイオキシン （枯葉剤の不純物・焼却炉で生成） hMp://en.wikipedia.org/wiki/ File:Viktor_Yuschenko.jpg ウクライナの大統領が大統領選の 際に重病で倒れる。 →体内から通常の50000倍の濃度 のダイオキシンが検出 Sorg, O., Zennegg, M., Schmid, P., Fedosyuk, R., Valikhnovskyi, R., Gaide, O., ... & Saurat, J. H. (2009). 2, 3, 7, 8-‐tetrachlorodibenzo-‐p-‐dioxin (TCDD) poisoning in Victor Yushchenko: idencficacon and measurement of TCDD metabolites. The Lancet, 374(9696), 1179-‐1185.
- 8. 8/47 なぜ測定する必要があるのか：PCB, Dioxin ポリ塩化ビフェニル（PCBs） カネミ油症事件 ダイオキシン （枯葉剤の不純物・焼却炉で生成） hMp://en.wikipedia.org/wiki/ File:Viktor_Yuschenko.jpg ウクライナの大統領が大統領選の 際に重病で倒れる。 →体内から通常の50000倍の濃度 のダイオキシンが検出 一般の方に対してはどんな影響が懸念されているのか？
- 9. なぜ測定する必要があるのか：PCB, Dioxin Environmental exposure to polychlorinated biphenyls and quality of the home environment: effects on psychodevelopment in early childhood Intellectual Impairment in Children Exposed to Polychlorinated Biphenyls in Utero 日本でも環境要因が子供の成長に与える影響の 解明を目的とした大規模疫学調査がスタート IQ下がる→人類全体の平均知能が落ちて損失 9/46
- 12. これまでやってた研究 12/46
- 13. 背景：中国・インド・東南アジアの汚染の現状 ・急激な経済発展にともなう環境汚染の拡大 ・電気電子機器リサイクルの産業化、屋内でリサイクル作業実施 ・周辺環境からの曝露が懸念 Tue, N. M et al ., (2011) Environment Science & Technology, Tue, N. M et al ., (2010) Science of the Total Environment リサイクル作業に従事するヒトを対象にした研究は少ない 汚染物質の曝露経路・曝露リスクを汚染地域で追いかけた例が無い 13/46
- 15. Eguchi et al. 2012. Environment Interna6onal, 47, 8 (再解析) 汚染実態の解析 (Orthogonal PLS判別分析) PC1 (71.4 %) 天然化合物+ 食べ物由来の寄与大 生物濃縮由来 人工化合物・代謝物の寄与大 E-wasteリサイクル従事者 沿岸域住民 PC2 (8.99 %) PBDEs 高臭素化OH-‐PBDEs 低臭素化OH-‐PBDEs PCBs 15/46
- 16. 代謝 活性化 水酸化PCBs 水酸化PBDEs アジア途上国におけるヒトの汚染実態解析事例 吸入 生成 Pb lead 不適切なリサイクルに伴う曝露 電子電気機器廃棄物 (e-‐ waste)のリサイクル従事者 都市ゴミ集積場での 非意図的なゴミの燃焼 ポリ塩化ビフェニル（PCBs） ポリ臭化ビフェニルエーテル(PBDEs) ダイオキシン類 食物から の摂取 海産物等の摂取による曝露 海洋中での自然合成 16/46
- 18. 甲状腺ホルモン (THs) 濃度の変動に関連する因子 リン脂質 中性脂肪 総コレステロール γ-‐GTP 血清中ヨウ化物イオン濃度 血清中チオシアネート濃度 汚染物質, 代謝物濃度 身長・体重→BMI値 性別 年齢 食習慣 飲酒習慣 喫煙習慣 THs濃度かく乱因子 アンケート項目 汚染物質の曝露が甲状腺ホルモン濃度の恒常性に関与することを示唆 （一般化線形モデル + 赤池情報量基準使用 ） Eguchi, et al. 2015. Environmental research, 137, 44018
- 19. 汚染物質の曝露が甲状腺ホルモン濃度の恒常性に関与することを示唆 （一般化線形モデル + 赤池情報量基準使用 ） とは言え因果関係やメカニズムはよくわからないまま Eguchi, et al. 2015. Environmental research, 137, 440 19 リン脂質 中性脂肪 総コレステロール γ-‐GTP 血清中ヨウ化物イオン濃度 血清中チオシアネート濃度 汚染物質, 代謝物濃度 身長・体重→BMI値 性別 年齢 食習慣 飲酒習慣 喫煙習慣 THs濃度かく乱因子 アンケート項目 甲状腺ホルモン (THs) 濃度の変動に関連する因子
- 20. 今後の方向性 20/46
- 22. 汚染実態の解析 22/46
- 23. 各トピックにおける最近の動向: 汚染実態 汚染実態の解析（どこにどのくらいどんな物質があるのか） →測定値とその他調査データから汚染源・汚染の広がりを解明 地理データ（GISなど）との組み合わせによる可視化 ウェアラブル端末と組み合わせたスクリーニング調査 大気汚染の度合いを端末で取得 GPSと時間でマッチング →可視化 曝露量推定 汚染されてる地域の推定 Hu et al., 2014. Workshop on Machine Learning for Sensory Data Analysis http://dl.acm.org/citation.cfm?id=2689749 http://www2.ee.unsw.edu.au/ vijay/pubs/conf/14mlsda_talk.pdf 23/46
- 24. 各トピックにおける最近の動向: 汚染実態 汚染実態の解析（どこにどのくらいどんな物質があるのか） →測定値とその他調査データから汚染源・汚染の広がりを解明 地理データ（GISなど）との組み合わせによる可視化 ウェアラブル端末と組み合わせたスクリーニング調査 大気汚染の度合いを端末で取得 GPSと時間でマッチング →可視化 曝露量推定 汚染されてる地域の推定 オンサイト測定の流れが来る？ Hu et al., 2014. Workshop on Machine Learning for Sensory Data Analysis http://dl.acm.org/citation.cfm?id=2689749 http://www2.ee.unsw.edu.au/ vijay/pubs/conf/14mlsda_talk.pdf 24/46
- 25. どんなデータが出る？ 調査地域の記録 ＋ 濃度の連結データ 濃度データなので非負だが、検出下限値未満 (<LOD) が存在 ID 物質A濃度 物質B濃度 ・・・ 緯度経度 ・・・ 1 XX AA … … … 2 YY BB … … … … … … … … … N ZZ CC … … … 25/46
- 26. どんなデータが出る？ 調査地域の記録 ＋ 濃度の連結データ 濃度データなので非負だが、検出下限値未満 (<LOD) が存在 検出下限値未満？ 測定に使う機器のスペック、分析までの前処理作業に含まれる 不確実性を考慮して、これ以下の値はちゃんと測定できてないよ という値。これも0以上の値だがいつも扱いに困る ID 物質A濃度 物質B濃度 ・・・ 緯度経度 ・・・ 1 XX AA … … … 2 YY BB … … … … … … … … … N ZZ CC … … … 26/46
- 27. どんなデータが出る？ ID 物質A濃度 物質B濃度 ・・・ 緯度経度 ・・・ 1 XX AA … … … 2 YY BB … … … … … … … … … N ZZ CC … … … 調査地域の記録 ＋ 濃度の連結データ 濃度データなので非負だが、検出下限値未満 (<LOD) が存在 検出下限値未満？ 測定に使う機器のスペック、分析までの前処理作業に含まれる 不確実性を考慮して、これ以下の値はちゃんと測定できてないよ という値。これも0以上の値だがいつも扱いに困る （LODの1/2を当てはめる、乱数入れる等人によって色々…闇) 27/46
- 28. どんなデータが出る？ 塩素のつき方によって 209種類のPCBsが存在 塩素のつき方・構造の違いにより 419種類の異性体が存在 うち毒性が強いものが31種類 類似の構造をもつ化学物質がいっぱい ID 物質A濃度 物質B濃度 ・・・ 緯度経度 ・・・ 1 XX AA … … … 2 YY BB … … … … … … … … … N ZZ CC … … … 28/46
- 29. どんなデータが出る？ 塩素のつき方によって 209種類のPCBsが存在 塩素のつき方・構造の違いにより 419種類の異性体が存在 うち毒性が強いものが31種類 構造が似た化学物質は挙動も似ている ID 物質A濃度 物質B濃度 ・・・ 緯度経度 ・・・ 1 XX AA … … … 2 YY BB … … … … … … … … … N ZZ CC … … … 29/46
- 30. どんなデータが出る？ 塩素のつき方によって 209種類のPCBsが存在 塩素のつき方・構造の違いにより 419種類の異性体が存在 うち毒性が強いものが31種類 汚染源の推定にはそれぞれの組成の特徴などの背景知識が必要 ID 物質A濃度 物質B濃度 ・・・ 緯度経度 ・・・ 1 XX AA … … … 2 YY BB … … … … … … … … … N ZZ CC … … … 30/46
- 32. 各トピックにおける最近の動向: 毒性・健康 毒性の調査（毒性があるのか・あるならどんな毒性か） →細胞や動物に汚染物質を投与して影響を見るなど 健康・生態系への影響調査（アウトカムとの関係は？） →癌・免疫・アレルギー・知能…etc と曝露の関係解析 これまで: 単一の影響に対する解析（死亡、病気の発生...etc） “Citric acid cycle with aconitate 2 ja” by Source file: Narayanese, WikiUserPedia, YassineMrabet, TotoBaggins. This file: Calvero -‐ Image:Citric_acid_cycle_with_aconitate_2.svg. Licensed under CC 表示-‐継承 3.0 via ウィキメディア・コモンズ 32/46
- 33. 各トピックにおける最近の動向: 毒性・健康 毒性の調査（毒性があるのか・あるならどんな毒性か） →細胞や動物に汚染物質を投与して影響を見るなど 健康・生態系への影響調査（アウトカムとの関係は？） →癌・免疫・アレルギー・知能…etc と曝露の関係解析 これまで: 単一の影響に対する解析（死亡、病気の発生...etc） 近年: 生体内ネットワークの変化を一度に解析 ・未知影響の探索 因果推論の導入 毒性系では毒性が出てくる仕組み・疫学系では因果推論 33/46
- 34. 毒性: どんなデータが出る？ 化学物質濃度＋ 生体内物質濃度 + アウトカムの連結データ 化学物質濃度と関連する生体内物質の濃度をまとめて解析 34/46 ID 医学的な 検査の結果 ・・・ 物質A濃 度 物質B濃 度 ・・・ 生体内物 質C濃度 生体内物 質D濃度 ・・・ 1 … … XX AA … AA AA … 2 … … YY BB … BB BB … … … … … … … … … … N … … ZZ CC … CC CC …
- 35. 毒性: どんなデータが出る？ ID 医学的な 検査の結果 ・・・ 物質A濃 度 物質B濃 度 ・・・ 生体内物 質C濃度 生体内物 質D濃度 ・・・ 1 … … XX AA … AA AA … 2 … … YY BB … BB BB … … … … … … … … … … N … … ZZ CC … CC CC … 化学物質濃度＋ 生体内物質濃度 + アウトカムの連結データ 化学物質濃度と関連する生体内物質の濃度をまとめて解析 →アウトカムや生体内の生理活性物質濃度の変化に汚染物質の曝 露が関係しているのか? 35/46
- 36. “Citric acid cycle with aconitate 2 ja” by Source file: Narayanese, WikiUserPedia, YassineMrabet, TotoBaggins. This file: Calvero -‐ Image:Citric_acid_cycle_with_aconitate_2.svg. Licensed under CC 表示-‐継承 3.0 via ウィキメディア・コモンズ 生体内パスウェイのどこに関わる物質なのか？ 36/46
- 37. 毒性: どんなデータが出る？ ID 医学的な 検査の結果 ・・・ 物質A濃 度 物質B濃 度 ・・・ 生体内物 質C濃度 生体内物 質D濃度 ・・・ 1 … … XX AA … AA AA … 2 … … YY BB … BB BB … … … … … … … … … … N … … ZZ CC … CC CC … 化学物質濃度＋ 生体内物質濃度 + アウトカムの連結データ 化学物質濃度と関連する生体内物質の濃度をまとめて解析 →アウトカムや生体内の生理活性物質濃度の変化に汚染物質の曝 露が関係しているのか? 因果関係の推定は大変そう…。 37/46
- 39. 各トピックにおける最近の動向: 動態・毒性予測 環境中・体内での動態・毒性予測（物質の構造・性質から予測） →化学物質の物理化学的性質から予測 物質の数 化学物質名 毒性 反応性 電子の偏り … 分子量 A ある 数値A 数値A' … 数値A" B なし 数値B 数値B' … 数値B" C なし 数値C 数値C' … 数値C" ... ... ... ... ... ... Z あり 数値Z 数値Z' … 数値Z" 計算化学ソフト 39/46
- 40. 環境中・体内での動態・毒性予測（物質の構造・性質から予測） →化学物質の物理化学的性質から予測 物質の数 化学物質名 毒性 反応性 電子の偏り … 分子量 A ある 数値A 数値A' … 数値A" B なし 数値B 数値B' … 数値B" C なし 数値C 数値C' … 数値C" ... ... ... ... ... ... Z あり 数値Z 数値Z' … 数値Z" 計算化学ソフト 動物実験なしでも毒性のスクリーニングができる 40/46 各トピックにおける最近の動向: 動態・毒性予測
- 43. 汚染物質の母子間移行率予測モデル データをtraining, testに分割し、training setを10-fold cross validationでチューニング チューニングしたモデルをtest setにあてはめ 今回はrandom forestが良好な結果を示した。 Random forest ParWal least square 重回帰分析 + 変数選択 予測値 実測値 Ext R2 = 0.809 Ext RMSE = 0.465 Ext R2 = 0.237 Ext RMSE = 0.935 Ext R2 = 0.179 Ext RMSE = 0.967 43/46
- 44. RF PLS MLR Variable importance Variable importance t-value q- 100 q- 100 LogBAF 7.912 Total dipole 72.48 HOMO 86.221 TEF -6.032 HOMO 65.79 Ehomo- Elumo 49.047 HOMO 5.683 Final heat of formation 56.84 LogBCF 21.192 Molecular weight -3.979 Ehomo- Elumo 53.34 TEF 20.048 q+ 2.027 q+ 48.28 q+ 20.02 LogBAF 42.33 LogBAF 16.196 LogBCF 39.23 Total dipole 15.174 TEF 22.47 Final heat of formation 8.128 Molecular weight 15.32 Molecular weight 5.112 モデル内で重要な変数 電荷の偏り、反応性、ダイオキシンとしての毒性等が重要？ 文献では分子量が重要と言われているが… 44/46
- 45. この分野にもdeep learningの波が… George E. Dahl: Hinton labのPhD candidate 2012: KaggleのMerck molecular activity challengeで勝利 Ma, J., Sheridan, R. P., Liaw, A., Dahl, G., & Svetnik, V. (2015). Deep Neural Nets as a Method for Quanctacve Structure-‐Accvity Relaconships. Journal of chemical informacon and modeling. Dahl, G. E., Jaitly, N., & Salakhutdinov, R. (2014). Mulc-‐task Neural Networks for QSAR Prediccons. arXiv preprint arXiv:1406.1231. 45/46 各トピックにおける最近の動向:動態・毒性予測