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
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
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