JP2017126212A - パスウェイ解析プログラム、パスウェイ解析方法、及び、情報処理装置 - Google Patents

パスウェイ解析プログラム、パスウェイ解析方法、及び、情報処理装置 Download PDF

Info

Publication number
JP2017126212A
JP2017126212A JP2016005384A JP2016005384A JP2017126212A JP 2017126212 A JP2017126212 A JP 2017126212A JP 2016005384 A JP2016005384 A JP 2016005384A JP 2016005384 A JP2016005384 A JP 2016005384A JP 2017126212 A JP2017126212 A JP 2017126212A
Authority
JP
Japan
Prior art keywords
gene
patient
pathway
information
expression
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016005384A
Other languages
English (en)
Other versions
JP6623774B2 (ja
Inventor
江朗 勝田
Tadaaki Katsuta
江朗 勝田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2016005384A priority Critical patent/JP6623774B2/ja
Priority to US15/404,353 priority patent/US20170206315A1/en
Publication of JP2017126212A publication Critical patent/JP2017126212A/ja
Application granted granted Critical
Publication of JP6623774B2 publication Critical patent/JP6623774B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G16B50/10—Ontologies; Annotations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G16B50/30—Data warehousing; Computing architectures

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Genetics & Genomics (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】 本発明の課題は、１つの遺伝子発現量情報に対して発現変動遺伝子を同定することを目的とする。【解決手段】 上記課題は、複数の患者夫々の遺伝子の発現量を示す患者遺伝子情報を記憶した患者情報記憶部を参照して、該複数の患者を、選択された対象患者に係る遺伝子の発現量を示す対象遺伝子情報に類似する類似群と、該対象遺伝子情報に非類似する非類似群とに分割し、前記類似群と前記非類似群との患者遺伝子情報を比較して判定した各遺伝子の発現量の変化の有無を検定し、検定結果に基づいて該発現量の変化の有る発現変動遺伝子を同定し、特定した前記発現変動遺伝子を多く含む順にパスウェイを特定するパスウェイ解析を行う処理をコンピュータに行わせるプログラムにより達成される。【選択図】 図３

Description

本発明は、パスウェイ解析プログラム、パスウェイ解析方法、及び、情報処理装置に関する。
近年、ゲノム研究、新薬開発等の分野において、遺伝子やタンパク質の相互作用を経路図として表したパスウェイを用いて、条件刺激に対して発現が増加又は減少する発現変動遺伝子群を多く含むパスウェイを調べるパスウェイ解析が行われている。
検体から遺伝子を採取してその発現量を測定し、測定した遺伝子のうち１以上を選択し、選択した遺伝子について多変量解析を行い、その結果に基づいて、遺伝子の発現パターンが類似する群ごとに検体を分類した分類結果から、癌の状態を予測する技術等が提案されている。
国際公開第２００２／０７２８２８号パンフレット 特開２０１４−７５９９５号公報
多変量解析は、病変部位における複数のサンプルから得られた遺伝子発現量情報を用いて、遺伝子の発現状態と疾病との関係を解析する統計的技法の一つである。癌組織と通常組織とを含む複数のサンプルに対して、遺伝子発現量を得ることにより、遺伝子の発現状態と癌の発生又は再発との相関関係を解析する場合等に、多変量解析が用いられている。また、多変量解析を含め、種々の統計的検定方法が用いられている。
上述したような技術では、患者個人が１つのサンプルとその遺伝子発現量情報しか持たない場合、患者個人の複数のサンプルを用いた統計的検定が行えず発現変動遺伝子を同定することが困難である。即ち、この場合、パスウェイ解析が行えない。
したがって、１つの側面では、本発明は、１つの遺伝子発現量情報に対して発現変動遺伝子を同定することを目的とする。
一態様によれば、複数の患者夫々の遺伝子の発現量を示す患者遺伝子情報を記憶した患者情報記憶部を参照して、該複数の患者を、選択された対象患者に係る遺伝子の発現量を示す対象遺伝子情報に類似する類似群と、該対象遺伝子情報に非類似する非類似群とに分割し、前記類似群と前記非類似群との患者遺伝子情報を比較して判定した各遺伝子の発現量の変化の有無を検定し、検定結果に基づいて該発現量の変化の有る発現変動遺伝子を同定し、特定した前記発現変動遺伝子を多く含む順にパスウェイを特定するパスウェイ解析を行う処理をコンピュータに行わせるパスウェイ解析プログラムが提供される。
また、上記課題を解決するための手段として、上記プログラムに従って実行される処理をコンピュータが行うパスウェイ解析方法、及び該処理を行う情報処理装置とすることもできる。
１つの遺伝子発現量情報に対して発現変動遺伝子を同定することができる。
第一実施例におけるシステムの概要を説明するための図である。 第一実施例におけるハードウェア構成例を示す図である。 第一実施例におけるサーバの機能構成例を示す図である。 第一実施例におけるサーバでの処理を説明するためのフローチャート図である。 第一実施例におけるユーザが対象指定情報を入力する入力画面例を示す図である。 第一実施例における類似度計算処理例を示す図である。 第一実施例における症例分割処理を説明するための図である。 第一実施例における遺伝子の発現量の有無を判定する方法について説明するための図である 第一実施例における検定結果のデータ例を示す図である。 第一実施例におけるパスウェイ情報データベースの一部のデータ例を示す図である。 第一実施例におけるマトリクスのデータ例を示す図である。 第一実施例におけるパスウェイ解析結果例を示す図である。 第一実施例における解析結果画面例を示す図である。 第二実施例におけるサーバの機能構成例を示す図である。 第二実施例におけるサーバでの処理を説明するためのフローチャート図である。 第二実施例における薬剤データベースのデータ例を示す図である。 第二実施例における解析結果画面例を示す図である。
以下、本発明の実施の形態を図面に基づいて説明する。図１は、第一実施例におけるシステムの概要を説明するための図である。
図１に示すシステム１０００では、少なくともサーバ１００と、パスウェイ情報データベース２００と、１又は複数の端末３００とを有する。サーバ１００は、ネットワーク２を介してパスウェイ情報データベース２００と接続可能であり、各端末３００は、ネットワーク２を介してサーバ１００に接続される。
サーバ１００は、１人の患者の１つの対象遺伝子情報４ｔに対してもパスウェイ解析を可能とするサーバであり、発現変動遺伝子同定部１４０と、パスウェイ解析部１５０と、患者データベース１３１とを有する。サーバ１００の詳細な機能構成については後述される。
発現変動遺伝子同定部１４０は、端末３００から受信した対象指定情報４ａによって特定された１の対象遺伝子情報４ｔと、複数の他の患者の遺伝子情報４ｇとの相関に基づいて、発現変動遺伝子（ＤＥＧ：Differentially Expressed Genes）を同定する処理部である。同定した発現変動遺伝子によりパスウェイ解析が可能となる。
対象指定情報４ａは、パスウェイ解析の対象となる対象遺伝子情報４ｔを含んでもよい。或いは、対象指定情報４ａは、サーバ１００に既に保持されている１以上の対象遺伝子情報４ｔの１つを指定してもよい。この場合、対象遺伝子情報４ｔは、患者ＩＤ等で指定されればよい。
パスウェイ解析部１５０は、パスウェイ解析によって、発現変動遺伝子同定部１４０によって同定された発現変動遺伝子を多く有する１又は複数のパスウェイ候補を求め、１又は複数のパスウェイ候補を示すパスウェイ候補一覧５ｐｗを作成する処理部である。
パスウェイ候補一覧５ｐｗは、対象指定情報４ａに対する返信として端末３００に送信される。
患者データベース１３１は、既に、複数の患者の遺伝子情報４ｇを記憶し管理するデータベースである。患者データベース１３１は、患者を識別する患者ＩＤ毎に、少なくとも１以上の遺伝子情報４ｇを有し、患者の既往歴等の情報を含んでもよい。
パスウェイ情報データベース２００は、公共データベースに相当し、システム１０００において、任意に選択された公共データベースであればよい。
端末３００は、システム１０００のユーザによって利用される端末である。ユーザは、医師、遺伝子に関する研究者、新薬開発者等である。
図２は、第一実施例におけるハードウェア構成例を示す図である。図２において、サーバ１００は、コンピュータによって制御される情報処理装置であって、ＣＰＵ（Central Processing Unit）１１１と、主記憶装置１１２と、補助記憶装置１１３と、入力装置１１４と、表示装置１１５と、通信Ｉ／Ｆ（インターフェース）１１７と、ドライブ装置１１８とを有し、バスＢ１に接続される。
ＣＰＵ１１１は、主記憶装置１１２に格納されたプログラムに従ってサーバ１００を制御するプロセッサに相当する。主記憶装置１１２には、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等が用いられ、ＣＰＵ１１１にて実行されるプログラム、ＣＰＵ１１１での処理に必要なデータ、ＣＰＵ１１１での処理にて得られたデータ等を記憶又は一時保存する。
補助記憶装置１１３には、ＨＤＤ（Hard Disk Drive）等が用いられ、各種処理を実行するためのプログラム等のデータを格納する。補助記憶装置１１３に格納されているプログラムの一部が主記憶装置１１２にロードされ、ＣＰＵ１１１に実行されることによって、各種処理が実現される。記憶部１３０は、主記憶装置１１２と補助記憶装置１１３とに相当する。
入力装置１１４は、マウス、キーボード等を有し、システム１０００の管理者がサーバ１００による処理に必要な各種情報を入力するために用いられる。表示装置１１５は、ＣＰＵ１１１の制御のもとに必要な各種情報を表示する。
通信Ｉ／Ｆ１１７は、有線又は無線などのネットワークを通じて通信を行う。通信Ｉ／Ｆ１１７による通信は無線又は有線に限定されるものではない。
サーバ１００によって行われる処理を実現するプログラムは、例えば、ＣＤ−ＲＯＭ（Compact Disc Read-Only Memory）等の記憶媒体１１９によってサーバ１００に提供される。
ドライブ装置１１８は、ドライブ装置１１８にセットされた記憶媒体１１９（例えば、ＣＤ−ＲＯＭ等）とサーバ１００とのインターフェースを行う。
また、記憶媒体１１９に、後述される本実施の形態に係る種々の処理を実現するプログラムを格納し、この記憶媒体１１９に格納されたプログラムは、ドライブ装置１１８を介してサーバ１００にインストールされる。インストールされたプログラムは、サーバ１００により実行可能となる。
尚、プログラムを格納する記憶媒体１１９はＣＤ−ＲＯＭに限定されず、コンピュータが読み取り可能な、構造（structure）を有する１つ以上の非一時的（non-transitory）な、有形（tangible）な媒体であればよい。コンピュータ読取可能な記憶媒体として、ＣＤ−ＲＯＭの他に、ＤＶＤディスク、ＵＳＢメモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリであっても良い。
端末３００は、コンピュータによって制御される情報処理端末であって、ＣＰＵ（Central Processing Unit）３１１と、主記憶装置３１２と、補助記憶装置３１３と、入力装置３１４と、表示装置３１５と、通信Ｉ／Ｆ（インターフェース）３１７と、ドライブ装置３１８とを有し、バスＢ３に接続される。
ＣＰＵ３１１は、主記憶装置３１２に格納されたプログラムに従ってサーバ１００を制御するプロセッサに相当する。主記憶装置３１２には、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等が用いられ、ＣＰＵ３１１にて実行されるプログラム、ＣＰＵ３１１での処理に必要なデータ、ＣＰＵ３１１での処理にて得られたデータ等を記憶又は一時保存する。
補助記憶装置３１３には、ＨＤＤ（Hard Disk Drive）等が用いられ、各種処理を実行するためのプログラム等のデータを格納する。補助記憶装置３１３に格納されているプログラムの一部が主記憶装置３１２にロードされ、ＣＰＵ３１１に実行されることによって、各種処理が実現される。記憶部３３０は、主記憶装置３１２と補助記憶装置３１３とに相当する。
入力装置３１４は、マウス、キーボード等を有し、システム１０００の管理者がサーバ１００による処理に必要な各種情報を入力するために用いられる。表示装置３１５は、ＣＰＵ３１１の制御のもとに必要な各種情報を表示する。入力装置３１４と表示装置３１５とは、一体化したタッチパネル等によるユーザインタフェースであってもよい。
通信Ｉ／Ｆ３１７は、有線又は無線などのネットワークを通じて通信を行う。通信Ｉ／Ｆ３１７による通信は無線又は有線に限定されるものではない。
サーバ１００によって行われる処理を実現するプログラムは、例えば、ＣＤ−ＲＯＭ（Compact Disc Read-Only Memory）等の記憶媒体３１９によってサーバ１００に提供される。
ドライブ装置３１８は、ドライブ装置３１８にセットされた記憶媒体３１９（例えば、ＣＤ−ＲＯＭ等）とサーバ１００とのインターフェースを行う。
また、記憶媒体３１９に、後述される本実施の形態に係る種々の処理を実現するプログラムを格納し、この記憶媒体３１９に格納されたプログラムは、ドライブ装置３１８を介して端末３００にインストールされる。インストールされたプログラムは、端末３００により実行可能となる。
尚、プログラムを格納する記憶媒体３１９はＣＤ−ＲＯＭに限定されず、コンピュータが読み取り可能な、構造（structure）を有する１つ以上の非一時的（non-transitory）な、有形（tangible）な媒体であればよい。コンピュータ読取可能な記憶媒体として、ＣＤ−ＲＯＭの他に、ＤＶＤディスク、ＵＳＢメモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリであっても良い。
図３は、第一実施例におけるサーバの機能構成例を示す図である。図３において、サーバ１００は、上述したように、主に、発現変動遺伝子同定部１４０と、パスウェイ解析部１５０とを有する。発現変動遺伝子同定部１４０とパスウェイ解析部１５０とは、サーバ１００のＣＰＵ１１１が、夫々に対応するプログラムを実行することによって実現される。
また、記憶部１３０は、患者データベース１３１、対象遺伝子情報４ｔ、類似度計算結果１３２、類似症例群テーブル１３３ａ及び非類似症例群テーブル１３３ｂ、検定結果１３４、発現変動遺伝子リスト１３５、パスウェイ候補一覧５ｐｗ等を記憶する。
発現変動遺伝子同定部１４０は、１の患者の１つのサンプルから得られた１の対象遺伝子情報４ｔと、複数の他の患者の遺伝子情報４ｇとの遺伝子の発現量の違いに基づいて、発現変動遺伝子を同定する。１の対象遺伝子情報４ｔは、１つのＤＮＡプローブから得られた各遺伝子の発現量を示す情報である。
発現変動遺伝子同定部１４０は、遺伝子情報取得部１４１と、類似度計算部１４２と、症例分割部１４３と、検定部１４４とを有する。
遺伝子情報取得部１４１は、通信Ｉ／Ｆ３１７を介して受信した対象指定情報４ａによって、対象遺伝子情報４ｔを取得する。対象指定情報４ａが患者ＩＤを指定している場合は、患者データベース１３１から対象遺伝子情報４ｔを取得する。対象遺伝子情報４ｔが対象指定情報４ａに含まれいる場合には、受信した対象指定情報４ａから対象遺伝子情報４ｔを取得し、記憶部１３０に記憶する。対象指定情報４ａで指定された、患者ＩＤ又は対象遺伝子情報４ｔの患者を、以下、対象患者又は選択患者という。
類似度計算部１４２は、対象遺伝子情報４ｔの対象患者と、患者データベース１３１に記憶されている、対象患者以外の他の患者の遺伝子情報４ｇとの類似度を計算する。類似度計算結果１３２が記憶部１３０に記憶される。
症例分割部１４３は、類似度計算部１４２による類似度計算結果１３２を用いて、与えられ得た類似度閾値７ｔｈ（図７）によって、患者データベース１３１に登録されている、対象患者の症例と比較した患者を、類似症例群又は非類似症例群のいずれかに分類する。類似症例群テーブル１３３ａは、類似症例群に分類された患者の患者ＩＤの一覧を示す。非類似症例群テーブル１３３ｂは、非類似症例群に分類された患者の患者ＩＤの一覧を示す。類似度閾値７ｔｈは、ユーザによって設定可能としてもよい。
検定部１４４は、類似症例群の患者の遺伝子情報４ｇと、非類似症例群の患者の遺伝子情報４ｇとを比較して、各遺伝子の発現の変化の有無を取得し、二群検定を行う。二群検定の一例として、ケースコントロールスタディを用いればよい。
そして、検定部１４４は、検定部１４４による検定結果１３４に対して、検定閾値９ｔｈ（図９）を用いて、対象遺伝子情報４ｔにおける発現変動遺伝子を同定する。同定された発現変動遺伝子の遺伝子名を一覧にした発現変動遺伝子リスト１３５が記憶部１３０に記憶される。検定閾値９ｔｈは、遺伝子の発現が変動したことを判定するための基準となるＰ値であり、ユーザによって設定可能としてもよい。
パスウェイ解析部１５０は、記憶部１３０に記憶された発現変動遺伝子リスト１３５を入力として、パスウェイ情報データベース２００を検索し、発現変動遺伝子リスト１３５で示される遺伝子名を多く含むパスウェイ候補を取得する。パスウェイ解析部１５０が取得したパスウェイ候補を示すパスウェイ候補一覧５ｐｗが、対象指定情報４ａの送信元の端末３００に送信される。
図４は、第一実施例におけるサーバでの処理を説明するためのフローチャート図である。図４において、サーバ１００では、遺伝子情報取得部１４１が、端末３００から対象指定情報４ａを取得すると、対象遺伝子情報４ｔを取得する（ステップＳ２０１）。
対象指定情報４ａが対象遺伝子情報４ｔを含む場合、遺伝子情報取得部１４１は、対象指定情報４ａから対象遺伝子情報４ｔを取得して、記憶部１３０の作業領域に記憶する。対象指定情報４ａが患者ＩＤを指定している場合、遺伝子情報取得部１４１は、患者データベース１３１から対象遺伝子情報４ｔを取得して、記憶部１３０の作業領域に記憶する。
そして、類似度計算部１４２が、対象遺伝子情報４ｔと、患者データベース１３１に保持される、対象患者以外の他の患者の遺伝子情報４ｇとの１対Ｎで、類似度を計算する類似度計算処理を行う（ステップＳ２０２）。
類似度計算部１４２から類似度計算結果１３２が記憶部１３０に出力されると、症例分割部１４３は、類似度計算結果１３２を参照して、類似度閾値７ｔｈに基づいて、他の患者を類似症例群又は非類似症例群のいずれかに分類して、他の患者を２つのグループに分割する症例分割処理を行う（ステップＳ２０３）。類似症例群に属する患者が患者ＩＤの一覧で示された類似症例群テーブル１３３ａと、非類似症例群に属する患者が患者ＩＤの一覧で示された非類似症例群テーブル１３３ｂとが作成される。
次に、検定部１４４が、類似症例群の患者の遺伝子情報４ｇと、非類似症例群の患者の遺伝子情報４ｇとを比較して、遺伝子毎の発現の変化の有無を判定し、二群検定を行って、発現変動遺伝子を同定する（ステップＳ２０４）。
検定部１４４は、類似症例群テーブル１３３ａにリストされた患者ＩＤａを順に１つ選択し、選択した患者ＩＤａを用いて、患者データベース１３１から遺伝子情報４ｇを取得する。次に、検定部１４４は、非類似症例群テーブル１３３ｂにリストされた患者ＩＤｂを順に１つ選択し、選択した患者ＩＤｂを用いて、患者データベース１３１から遺伝子情報４ｇを取得する。患者ＩＤａと患者ＩＤｂの２つの遺伝子情報４ｇを比較して、各遺伝子の発現の変化の有無を判定する。
類似症例群テーブル１３３ａにリストされた患者ＩＤａの各々と、非類似症例群テーブル１３３ｂに属する各患者ＩＤｂに対して、各遺伝子の発現の変化の有無の判定が行われる。このようにして得られた判定結果を用いて、二群検定を行う。二群検定の一例として、ケースコントロールスタディを用いればよい。
検定部１４４は、二群検定で得られた、遺伝子毎のＰ値を低い値から高い値へと並べ替えて、検定閾値９ｔｈより小さい値を持つ遺伝子を、発現変動遺伝子として同定する。検定閾値９ｔｈは、３０〜４０の発現変動遺伝子を同定できる程度の値であればよい。
検定部１４４は、同定した複数の発現変動遺伝子の遺伝子名を示す発現変動遺伝子リスト３５を作成し、記憶部１３０に記憶する。
そして、発現変動遺伝子リスト１３５が、パスウェイ解析部１５０に入力されると、パスウェイ解析部１５０は、パスウェイ解析を行ってパスウェイ候補一覧５ｐｗを作成し、対象指定情報４ａの送信元の端末３００へパスウェイ候補一覧５ｐｗを送信する（ステップＳ２０５）。その後、第一実施例におけるサーバでの処理は終了する。
図５は、第一実施例におけるユーザが対象指定情報を入力する入力画面例を示す図である。図５において、入力画面Ｇ５１は、サーバ１００から提供されて端末３００に表示される、対象指定情報４ａを入力する画面であり、患者ＩＤ又は対象遺伝子情報４ｔを入力する入力領域５１ａと、類似度閾値７ｔｈを入力する入力領域５１ｂと、検定閾値９ｔｈを入力する入力領域５１ｃと、送信ボタン５１ｄと、キャンセルボタン５１ｅとを有する。
入力領域５１ａは、患者ＩＤ又は対象遺伝子情報４ｔのファイルを指定する領域である。入力画面Ｇ５１から、サーバ１００の患者データベース１３１が管理している項目のうち少なくとも患者ＩＤを参照可能とし、ユーザにより１つの患者ＩＤを選択可能としてもよい。その際、サーバ１００は、対象遺伝子情報４ｔを１つのみ保持する患者のＩＤのリストを提供し、ユーザに患者ＩＤを選択させてもよい。又は、端末３００の記憶部３３０に記憶されている対象遺伝子情報４ｔのファイルを指定してもよい。
患者ＩＤ又は対象遺伝子情報４ｔのファイルは、患者固有の情報であるため、いずれかを指定することは、ユーザにより、１人の患者が選択されたことに相当する。
類似度閾値７ｔｈを入力する入力領域５１ｂは、ユーザが選択した対象遺伝子情報４ｔと類似する遺伝子情報４ｇと、非類似の遺伝子情報４ｇとを分ける基準値である。類似度は、「１」に近い程類似し、「０」に近い程、非類似であることを示す。類似度閾値７ｔｈには、「１」に近い値が設定される。類似度閾値７ｔｈの入力は任意であり、省略可能である。省略された場合、デフォルト値が採用される。
検定閾値９ｔｈを入力する入力領域５１ｃは、検定による遺伝子の発現変動の有りの仮説の確からしさを示すＰ値に対する基準値である。Ｐ値が「０」に近い場合、発現変動の有りの仮説が確からしいことを示し、即ち、検定した遺伝子は発現変動遺伝子であると見なせることを示す。Ｐ値が「１」に近い場合、発現変動の有りの仮説は破棄されることを示し、即ち、検定した遺伝子を発現変動遺伝子とは見なされないと判断する。従って、入力領域５１ｃには、「０」に近い値が設定される。検定閾値９ｔｈの入力は任意であり、省略可能である。省略された場合、デフォルト値が採用される。
送信ボタン５１ｄは、対象指定情報４ａをサーバ１００へ送信するためのボタンである。対象指定情報４ａには、少なくとも患者ＩＤ又は対象遺伝子情報４ｔが含まれる。対象指定情報４ａには、ユーザの入力があった場合、更に、類似度閾値７ｔｈ、検定閾値９ｔｈ等を含む。
キャンセルボタン５１ｅは、入力画面Ｇ５１へのユーザの入力を全てキャンセルするためのボタンである。
端末３００にて、ユーザが、少なくとも患者ＩＤ又は対象遺伝子情報４ｔを入力画面Ｇ５１にて入力し、送信ボタン５１ｄを押下すると、対象指定情報４ａがサーバ１００に送信される。
この例では、対象患者が患者ＩＤ「Ｐｘｘｘｘ」で指定され、類似度閾値「０．９５」が指定され、検定閾値「０．０５」が指定されている。患者ＩＤ「Ｐｘｘｘｘ」、類似度閾値「０．９５」、検定閾値「０．０５」等を指定した対象指定情報４ａが、サーバ１００へ送信される。
サーバ１００では、通信Ｉ／Ｆ１１７を介して対象指定情報４ａを受信すると、発現変動遺伝子同定部１４０の遺伝子情報取得部１４１は、対象指定情報４ａによって、パスウェイ解析を行うための発現変動遺伝子を同定する、対象遺伝子情報４ｔを取得する。
そして、類似度計算部１４２による類似度計算処理（ステップＳ２０２）が行われる。類似度計算処理について説明する。図６は、第一実施例における類似度計算処理例を示す図である。図６において、患者ＩＤ「Ｐｘｘｘｘ」で特定される患者を対象患者Ｐｔで示し、患者ＩＤ「Ｐｘｘｘｘ」で特定される対象遺伝子情報４ｔの例を示している。
また、患者データベース１３１で管理されている、各患者ＩＤ「Ｐ０００１」、・・・、「Ｐ０００５」、・・・毎の遺伝子情報４ｇの例を示している。対象遺伝子情報４ｔ及び遺伝子情報４ｇともに、遺伝子名「gene_1」、・・・、「gene_9」、・・・の順に各遺伝子の発現量が示される。
類似度計算部１４２による類似度計算処理では、一つの対象遺伝子情報４ｔに対して、対象患者Ｐｔ以外の他の複数の患者の各対象遺伝子情報４ｔとを比較して、類似度を算出する。類似度計算結果１３２が記憶部１３０に出力され記憶される。
次に、症例分割部１４３による症例分割処理について説明する。図７は、第一実施例における症例分割処理を説明するための図である。図７において、類似度計算結果１３２は、患者毎の類似度を示すテーブルであり、患者ＩＤ、類似度等の項目を有する。
症例分割部１４３は、記憶部１３０に記憶された類似度計算結果１３２を類似度の高い順にソートする。図７では、ソート後の類似度計算結果１３２のデータ例を示している。先頭の患者ＩＤ「Ｐ０００１」は類似度「０．９８３」を示し、最も対象患者Ｐｔに類似していることを示している。そして、類似度「０．９７９」の患者ＩＤ「Ｐ１０２３」、類似度「０．９７７」の患者ＩＤ「Ｐ０２０５」、・・・の患者が、順に対象患者Ｐｔに類似している。
症例分割部１４３は、類似度計算結果１３２から類似度閾値７ｔｈ以上の患者ＩＤを抽出して、類似症例群テーブル１３３ａを記憶部１３０に作成する。また、症例分割部１４３は、類似度計算結果１３２から類似度閾値７ｔｈ未満の患者ＩＤを抽出して、非類似症例群テーブル１３３ｂを記憶部１３０に作成する。
類似度閾値７ｔｈは、対象指定情報４ａで指定された値を優先して使用する。類似度閾値７ｔｈが対象指定情報４ａで指定されていない場合、予め設定されたデフォルト値を採用する。
類似症例群テーブル１３３ａによって類似症例群が特定され、非類似症例群テーブル１３３ｂによって非類似症例群が特定される。類似症例群テーブル１３３ａ及び非類似症例群テーブル１３３ｂと、患者データベース１３１とは、患者ＩＤにより関連付けられる。類似症例群テーブル１３３ａに含まれる患者ＩＤを用いて患者データベース１３１から得られる遺伝子情報４ｇが、対象患者Ｐｔのための複数の遺伝子情報４ｇとして参照される。
類似症例群テーブル１３３ａ及び非類似症例群テーブル１３３ｂが作成されると、検定部１４４が、各遺伝子の発現状態を検定する。検定部１４４による検定処理例を説明する。
図７において、検定部１４４は、類似症例群テーブル１３３ａから患者ＩＤを選択し、選択した患者ＩＤの遺伝子情報４ｇと、非類似症例群テーブル１３３ｂで示される各患者ＩＤの遺伝子情報４ｇとを、患者データベース１３１から取得して、各遺伝子の発現量に変化が有るか否かを判定する。遺伝子の発現量の有無の判定について説明する。
図８は、第一実施例における遺伝子の発現量の有無を判定する方法について説明するための図である。検定部１４４は、類似症候群テーブル１３３ａと非類似症例群テーブル１３３ｂとに基づいて、遺伝子情報４ｇから遺伝子毎に、類似症例群からなる発現量のデータ集合ｍと非類似症例群からなる発現量のデータ集合ｎを取得し、発現量に変化が有るか否かを判定する。
図８の例では、遺伝子毎のデータ集合ｍとデータ集合ｎとを対比させた対比テーブル８ｒの例を示している。検定部１４４は、対比テーブル８ｒを用いて、遺伝子毎にケースコントロールスタディ等による検定を行い、Ｐ値を算出する。遺伝子「gene_1」に対してＰ値「0.927」を得る。他遺伝子についてもＰ値を得る。従って、検定結果１３４が、記憶部１３０に出力される。
図９は、第一実施例における検定結果のデータ例を示す図である。図９では、検定部１４４が検定結果１３４を、Ｐ値の小さい順でソートした状態で示している。
検定部１４４は、検定結果１３４から検定閾値９ｔｈ以上の遺伝子名を抽出して、発現変動遺伝子リスト１３５を記憶部１３０に作成する。検定閾値９ｔｈは、対象指定情報４ａで指定された値を優先して使用する。検定閾値９ｔｈが対象指定情報４ａで指定されていない場合、予め設定されたデフォルト値を採用する。
この例では、検定結果１３４から遺伝子名「gene_pp」、「gene_efg」、「gene_8」等が抽出されることにより、発現変動遺伝子リスト１３５が作成される。第一実施例において作成された発現変動遺伝子リスト１３５は、対象患者Ｐｔに関して、発現量に変動があった可能性の高い遺伝子を示している。
このようにして発現変動遺伝子リスト１３５が作成されたことにより、対象患者Ｐｔに対して一つの対象遺伝子情報４ｔしか存在しない場合であっても、複数の発現変動遺伝子を特定できるため、パスウェイ解析を行うことができる。
パスウェイ解析部１５０によるパスウェイ解析処理を説明する前に、パスウェイ情報データベース２００から得られる、第一実施例に係る部分についてデータ例を図１０に示す。
図１０は、第一実施例におけるパスウェイ情報データベースの一部のデータ例を示す図である。図１０において、パスウェイ情報データベース２００は、パスウェイ毎に、パスウェイに出現する遺伝子を示したデータベースであり、パスウェイ名、遺伝子名等の項目を有する。
この例において、パスウェイ名「PW_0001」で特定される生命現象を制御している経路では、遺伝子名を参照することにより、遺伝子「g001」、「g005」、「g103」、「g145」、「g167」、「g172」等が出現する。
パスウェイ名「PW_0002」で特定される生命現象を制御している経路では、遺伝子名を参照することにより、遺伝子「g021」、「g053」、「g142」、「g148」、「g151」、「g152」等が出現する。
パスウェイ解析部１５０は、パスウェイ情報データベース２００から、発現変動遺伝子リスト１３５で示される遺伝子名を多く含むパスウェイを特定する。即ち、パスウェイ解析部１５０は、解析対象とするパスウェイを特定するパスウェイ名を複数取得する。
解析対象のパスウェイ毎に、類似症候群と非類似症候群とのぞれぞれにおけるパスウェイ存在の有無の統計情報を得る。統計情報は、図１１に示すような、パスウェイ毎に、パスウェイの存在有無と症例群とによるマトリクスで表せる。
図１１は、第一実施例におけるマトリクスのデータ例を示す図である。図１１において、各マトリクス９１は、類似症例群において、パスウェイが存在する遺伝子情報４ｇの数と、パスウェイが存在しない遺伝子情報４ｇの数とが示される。また、非類似症例群においても、同様に、パスウェイが存在する遺伝子情報４ｇの数と、パスウェイが存在しない遺伝子情報４ｇの数とが示される。遺伝子情報４ｇの数は、即ち、患者数を示す。
この例では、患者総数「１０００」に対して、類似症例群に属する患者数「９７０」、非類似症例群に属する患者数「３０」であったと仮定する。類似症例群に属する患者数は、類似症例群テーブル１３３ａのレコード数に相当し、非類似症例群に属する患者数は、非類似症例群テーブル１３３ｂのレコード数に相当する。
パスウェイ「PW_0001」に関して、類似症例群では、２５人の患者にパスウェイ「PW_0001」が存在する可能性があると判断され、９４５人の患者にパスウェイ「PW_0001」が存在しない可能性があると判断されている。
一方、非類似症例群では、２５人の患者にパスウェイ「PW_0001」が存在する可能性があると判断され、５人の患者にパスウェイ「PW_0001」が存在しない可能性があると判断されている。解析対象とする各パスウェイに関して、同様のマトリクス９１で夫々の統計情報が示される。
パスウェイ解析部１５０は、各パスウェイ毎のマトリクス９１を用いて、類似症候群と非類似症候群との間でパスウェイの存在有無に有意差が有るか否かを、ｔ検定、カイ２乗検定等により判定する。各パスウェイのＰ値を得る。パスウェイ毎にＰ値を対応させたパスウェイ解析結果例を図１２に示す。
図１２は、第一実施例におけるパスウェイ解析結果例を示す図である。図１２に示すパスウェイ解析結果９２は、パスウェイ毎にＰ値を示したリストである。パスウェイ解析結果９２は、パスウェイ解析部１５０によって、Ｐ値の低い順にソートされている。
このデータ例において、最もＰ値の小さいパスウェイは「PW_06021」であり、このパスウェイのＰ値は「0.001」である。続いて、パスウェイ「PW_13704」はＰ値「0.003」を示し、次のパスウェイ「PW_00093」はＰ値「0.025」を示す。Ｐ値の値順に、パスウェイが示される。
パスウェイ解析結果９２は、予め定めたＰ値の基準値以下を示す、パスウェイ「PW_06021」、「PW_13704」、「PW_00093」等を特定し、パスウェイ候補一覧５ｐｗを記憶部１３０に作成する。
パスウェイ解析結果９２は、作成したパスウェイ候補一覧５ｐｗを端末３００に送信する。端末３００は、受信したパスウェイ候補一覧５ｐｗを表示装置３１５に表示させる。
ここで、単に、パスウェイ候補一覧５ｐｗを端末３００に提供してもよいが、対象患者Ｐｔの対象遺伝子情報４ｔに関して予測される発現変動遺伝子を合せて送信してもよい。
パスウェイ解析結果９２は、パスウェイ候補一覧５ｐｗの各パスウェイ名で、パスウェイ情報データベース２００から遺伝子名のリストを取得し、対象患者Ｐｔに係る発現変動遺伝子リスト１３５と比較することで、パスウェイに含まれる遺伝子を特定する。
図１３に示すような、パスウェイ、Ｐ値、及び発現変動遺伝子とを対応付けた、対象患者Ｐｔのパスウェイ解析結果５３ｒを示す解析結果画面Ｇ５３を端末３００に送信してもよい。
図１３は、第一実施例における解析結果画面例を示す図である。図１３において、端末３００の表示装置３１５に表示される解析結果画面Ｇ５３は、患者を特定する患者特定情報５３ａ、パスウェイ解析結果５３ｒ等を表示する。
患者特定情報５３ａは、対象患者Ｐｔの患者ＩＤ及び／又は患者氏名を示す。パスウェイ解析結果５３ｒは、パスウェイ候補一覧５ｐｗに発現変動遺伝子を追加したテーブルである。
このように、ユーザは、端末３００から一つの対象遺伝子情報４ｔを有する患者の患者ＩＤ、又は、一つの対象遺伝子情報４ｔの実体を指定するのみで、対象患者Ｐｔの病状に係るパスウェイ候補を知ることができる。
パスウェイ解析結果５３ｒでは、パスウェイ毎にＰ値が示されることで、各パスウェイ候補が、どの程度、対象患者Ｐｔの病症と相関があるかを示すことができる。ユーザは、最も相関性の高いパスウェイ候補と、他のパスウェイ候補との相関の強さの違いを把握できるため、対象患者Ｐｔの病状をより精度良く推測できる。
この例では、パスウェイ候補一覧５ｐｗに示される複数のパスウェイ候補の中では、Ｐ値が最も小さいパスウェイ「PW_0021」が、対象患者Ｐｔの病状との相関性が強いと考えられる。そして、Ｐ値「0.023」のパスウェイ「PW_1034」、Ｐ値「0.027」のパスウェイ「PW_0809」、・・・の順であることが示されている。
パスウェイ「PW_0021」のＰ値「0.001」に対して、次のパスウェイ「PW_1034」のＰ値「0.023」とでは、「0.022」の差がある。パスウェイ「PW_1034」のＰ値「0.023」と、その次のパスウェイ「PW_0809」のＰ値「0.027」とでは、「0.001」の差がある。
このことから、Ｐ値「0.001」のパスウェイ「PW_0021」が、他のパスウェイ候補と比べても、対象患者Ｐｔの病状を最も表していると考えられる。このように、第一実施例では、対象患者Ｐｔの症例と類似する症例群と類似しない非症例群の遺伝子情報４ｇを利用することで、対象患者Ｐｔに対してパスウェイ解析を実行でき、対象患者Ｐｔの病状に係るパスウェイ候補を得ることができる。
次に、パスウェイ候補毎に１以上の薬剤候補を対応付けた薬剤候補一覧５ｍｄ（図１４）を端末３００に提供する第二実施例について説明する。第二実施例におけるシステムの構成は、第一実施例のシステム１０００と同様であるので、その説明を省略する。また、第二実施例におけるハードウェア構成も、第一実施例と同様であるので、その説明を省略する。第二実施例において、第一実施例の同様の構成には同じ符号を付し、その説明を省略する。
図１４は、第二実施例におけるサーバの機能構成例を示す図である。図１４において、サーバ１０２は、上述したように、主に、発現変動遺伝子同定部１４０と、パスウェイ解析部１５０と、薬剤候補一覧作成部１６０とを有する。発現変動遺伝子同定部１４０と、パスウェイ解析部１５０と、薬剤候補一覧作成部１６０とは、ＣＰＵ１１１が、夫々に対応するプログラムを実行することによって実現される。
第二実施例におけるサーバ１０２は、第一実施例の機能構成に加えて、薬剤候補一覧作成部１６０を更に有する点において、第一実施例のサーバ１００とは異なっている。
また、記憶部１３０は、患者データベース１３１、対象遺伝子情報４ｔ、類似度計算結果１３２、類似症例群テーブル１３３ａ及び非類似症例群テーブル１３３ｂ、検定結果１３４、発現変動遺伝子リスト１３５、薬剤データベース１７１、パスウェイ候補一覧５ｐｗ、薬剤候補一覧５ｍｄ等を記憶する。第二実施例では、記憶部１３０は、更に、薬剤データベース１７１と薬剤候補一覧５ｍｄとを記憶する点で、第一実施例とは異なっている。
薬剤候補一覧作成部１６０は、薬剤データベース１７１を参照して、パスウェイ解析部１５０が作成したパスウェイ候補一覧５ｐｗのパスウェイ毎に、薬剤候補を対応付けた薬剤候補一覧５ｍｄを作成し、端末３００へ送信する。
薬剤データベース１７１は、パスウェイ毎に、１以上の病名と、各病名に適応される薬剤とを記憶したデータベースである。
薬剤候補一覧５ｍｄは、パスウェイ候補一覧５ｐｗのパスウェイ毎に、適応される薬剤候補を示したテーブルである。第二実施例において、薬剤候補は、対象患者Ｐｔと類似する症例に基づいて選択された薬剤名に相当する。
図１５は、第二実施例におけるサーバでの処理を説明するためのフローチャート図である。図１５において、ステップＳ２０１からＳ２０４までの処理は、第一実施例と同様であるので、その説明を省略する。
対象患者Ｐｔの発現変動遺伝子が同定されると、発現変動遺伝子リスト１３５がパスウェイ解析部１５０に入力され、パスウェイ解析部１５０によるパスウェイ解析が行われ、パスウェイ候補一覧５ｐｗが作成される（ステップＳ２０５−２）。
第二実施例では、更に、薬剤候補一覧作成部１６０による薬剤候補一覧作成処理が行われる。薬剤候補一覧作成部１６０は、薬剤データベース１７１を参照して、パスウェイ候補一覧５ｐｗに対して、各パスウェイに対応する薬剤名を追加した薬剤候補一覧５ｍｄを作成し、対象指定情報４ａの送信元である端末３００に送信する（ステップＳ２０６）。その後、サーバ１０２での処理を終了する。
図１６は、第二実施例における薬剤データベースのデータ例を示す図である。図１６において、薬剤データベース１７１は、パスウェイ毎に、薬剤名を対応付けて記憶したデータベースであり、パスウェイ、薬剤名等の項目を有する。
パスウェイは、パスウェイを特定するパスウェイ名等を示す。パスウェイ名は、パスウェイ情報データベース２００に登録された名称であればよい。薬剤名は、薬剤を特定する名称を示す。
薬剤データベース１７１を参照して得られた薬剤候補一覧５ｍｄは、端末３００の表示装置３１５に、図１７に示すような解析結果画面Ｇ５９内に表示される。
図１７は、第二実施例における解析結果画面例を示す図である。図１７において、端末３００の表示装置３１５に表示される解析結果画面Ｇ５９は、患者を特定する患者特定情報５９ａ、パスウェイ解析結果５９ｒ等を表示する。
患者特定情報５９ａは、対象患者Ｐｔの患者ＩＤ及び／又は患者氏名を示す。パスウェイ解析結果５９ｒは、パスウェイ候補一覧５ｐｗに薬剤候補を追加したテーブルである。
このように、ユーザは、端末３００から一つの対象遺伝子情報４ｔを有する患者の患者ＩＤ、又は、一つの対象遺伝子情報４ｔの実体を指定するのみで、対象患者Ｐｔの病状に係るパスウェイ候補を知ることができる。
パスウェイ解析結果５３ｒでは、パスウェイ毎にＰ値が示されることで、各パスウェイ候補が、どの程度、対象患者Ｐｔの病症と相関があるかを示すことができる。ユーザは、最も相関性の高いパスウェイ候補と、他のパスウェイ候補との相関の強さの違いを把握できるため、対象患者Ｐｔの病状をより精度良く推測できる。
パスウェイ候補一覧５ｐｗの例では、第一実施例と同様に、Ｐ値「0.001」のパスウェイ「PW_0021」が、他のパスウェイ候補と比べても、対象患者Ｐｔの病状を最も表していると考えられる。このように、第二実施例においても、対象患者Ｐｔの症例と類似する症例群と類似しない非症例群の遺伝子情報４ｇを利用することで、対象患者Ｐｔに対してパスウェイ解析を実行でき、対象患者Ｐｔの病状に係るパスウェイ候補を得ることができる。
更に、第二実施例におけるパスウェイ解析結果５３ｒでは、パスウェイ候補毎に１以上の薬剤候補が対応付けられるため、ユーザは、対象患者Ｐｔの病状あった適切な薬剤を選択することができる。
上述した第一実施例及び第二実施例において、端末３００のユーザから、対象患者Ｐｔに対して予測した病名を取得し、予測した病名が対象指定情報４ａで指定されるようにすればよい。対象指定情報４ａで指定された病名に基づいて、患者データベース１３１を参照して、遺伝子情報取得部１４１によって絞り込んだ患者を母集団として、類似症例群テーブル１３３ａと、非類似症例群テーブル１３３ｂとを作成すればよい。このようにすることで、発現変動遺伝子同定部１４０の処理負荷を軽減させることができる。
本発明は、具体的に開示された実施例に限定されるものではなく、特許請求の範囲から逸脱することなく、主々の変形や変更が可能である。
以上の第一、第二実施例を含む実施形態に関し、更に以下の付記を開示する。
（付記１）
複数の患者夫々の遺伝子の発現量を示す患者遺伝子情報を記憶した患者情報記憶部を参照して、該複数の患者を、選択された対象患者に係る遺伝子の発現量を示す対象遺伝子情報に類似する類似群と、該対象遺伝子情報に非類似する非類似群とに分割し、
前記類似群と前記非類似群との患者遺伝子情報を比較して判定した各遺伝子の発現量の変化の有無を検定し、検定結果に基づいて該発現量の変化の有る発現変動遺伝子を同定し、
特定した前記発現変動遺伝子を多く含む順にパスウェイを特定するパスウェイ解析を行う
処理をコンピュータに行わせるパスウェイ解析プログラム。
（付記２）
前記コンピュータに、
前記パスウェイ解析によって特定した１以上のパスウェイ毎に、同定した前記発現変動遺伝子を１以上示したパスウェイ解析結果を表示装置に表示させる
処理を行わせる付記１記載のパスウェイ解析プログラム。
（付記３）
前記コンピュータに、
パスウェイ毎に１以上の薬剤を示した薬剤情報記憶部を参照して、前記パスウェイ解析によって特定した前記パスウェイ毎に、１以上の薬剤を示したパスウェイ解析結果を表示装置に表示させる
処理を行わせる付記１記載のパスウェイ解析プログラム。
（付記４）
複数の患者夫々の遺伝子の発現量を示す患者遺伝子情報を記憶した患者情報記憶部を参照して、該複数の患者を、選択された対象患者に係る遺伝子の発現量を示す対象遺伝子情報に類似する類似群と、該対象遺伝子情報に非類似する非類似群とに分割し、
前記類似群と前記非類似群との患者遺伝子情報を比較して判定した各遺伝子の発現量の変化の有無を検定し、検定結果に基づいて該発現量の変化の有る発現変動遺伝子を同定し、
特定した前記発現変動遺伝子を多く含む順にパスウェイを特定するパスウェイ解析を行う
処理をコンピュータが行うパスウェイ解析方法。
（付記５）
前記コンピュータは、
各遺伝子の発現量の変化の有無を、二群検定により判定することを特徴とする付記４記載のパスウェイ解析方法。
（付記６）
複数の患者夫々の遺伝子の発現量を示す患者遺伝子情報を記憶した患者情報記憶部を参照して、該複数の患者を、選択された対象患者に係る遺伝子の発現量を示す対象遺伝子情報に類似する類似群と、該対象遺伝子情報に非類似する非類似群とに分割する分割部と、
前記類似群と前記非類似群との患者遺伝子情報を比較して判定した各遺伝子の発現量の変化の有無を検定し、検定結果に基づいて該発現量の変化の有る発現変動遺伝子を同定する検定部と、
特定した前記発現変動遺伝子を多く含む順にパスウェイを特定するパスウェイ解析を行う解析部と
を有する情報処理装置。
２ ネットワーク
４ａ 対象指定情報
４ｇ 遺伝子情報
４ｔ 対象遺伝子情報
５ｐｗ パスウェイ候補一覧
１００、１０２ サーバ
１３１ 患者データベース
１３２ 類似度計算結果
１３３ａ 類似症例群テーブル、 １３３ｂ 非類似症例群テーブル
１３４ 検定結果、 １３５ 発現変動遺伝子リスト
１４０ 発現変動遺伝子同定部
１４１ 遺伝子情報取得部、 １４２ 類似度計算部
１４３ 症例分割部、 １４４ 検定部
１５０ パスウェイ解析部
１６０ 薬剤候補一覧作成部
２００ パスウェイ情報データベース
３００ 端末
１０００ システム

Claims (5)

  1. 複数の患者夫々の遺伝子の発現量を示す患者遺伝子情報を記憶した患者情報記憶部を参照して、該複数の患者を、選択された対象患者に係る遺伝子の発現量を示す対象遺伝子情報に類似する類似群と、該対象遺伝子情報に非類似する非類似群とに分割し、
    前記類似群と前記非類似群との患者遺伝子情報を比較して判定した各遺伝子の発現量の変化の有無を検定し、検定結果に基づいて該発現量の変化の有る発現変動遺伝子を同定し、
    特定した前記発現変動遺伝子を多く含む順にパスウェイを特定するパスウェイ解析を行う
    処理をコンピュータに行わせるパスウェイ解析プログラム。
  2. 前記コンピュータに、
    前記パスウェイ解析によって特定した１以上のパスウェイ毎に、同定した前記発現変動遺伝子を１以上示したパスウェイ解析結果を表示装置に表示させる
    処理を行わせる請求項１記載のパスウェイ解析プログラム。
  3. 前記コンピュータに、
    パスウェイ毎に１以上の薬剤を示した薬剤情報記憶部を参照して、前記パスウェイ解析によって特定した前記パスウェイ毎に、１以上の薬剤を示したパスウェイ解析結果を表示装置に表示させる
    処理を行わせる請求項１記載のパスウェイ解析プログラム。
  4. 複数の患者夫々の遺伝子の発現量を示す患者遺伝子情報を記憶した患者情報記憶部を参照して、該複数の患者を、選択された対象患者に係る遺伝子の発現量を示す対象遺伝子情報に類似する類似群と、該対象遺伝子情報に非類似する非類似群とに分割し、
    前記類似群と前記非類似群との患者遺伝子情報を比較して判定した各遺伝子の発現量の変化の有無を検定し、検定結果に基づいて該発現量の変化の有る発現変動遺伝子を同定し、
    特定した前記発現変動遺伝子を多く含む順にパスウェイを特定するパスウェイ解析を行う
    処理をコンピュータが行うパスウェイ解析方法。
  5. 複数の患者夫々の遺伝子の発現量を示す患者遺伝子情報を記憶した患者情報記憶部を参照して、該複数の患者を、選択された対象患者に係る遺伝子の発現量を示す対象遺伝子情報に類似する類似群と、該対象遺伝子情報に非類似する非類似群とに分割する分割部と、
    前記類似群と前記非類似群との患者遺伝子情報を比較して判定した各遺伝子の発現量の変化の有無を検定し、検定結果に基づいて該発現量の変化の有る発現変動遺伝子を同定する検定部と、
    特定した前記発現変動遺伝子を多く含む順にパスウェイを特定するパスウェイ解析を行う解析部と
    を有する情報処理装置。
JP2016005384A 2016-01-14 2016-01-14 パスウェイ解析プログラム、パスウェイ解析方法、及び、情報処理装置 Active JP6623774B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2016005384A JP6623774B2 (ja) 2016-01-14 2016-01-14 パスウェイ解析プログラム、パスウェイ解析方法、及び、情報処理装置
US15/404,353 US20170206315A1 (en) 2016-01-14 2017-01-12 Analysis method and information processing device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016005384A JP6623774B2 (ja) 2016-01-14 2016-01-14 パスウェイ解析プログラム、パスウェイ解析方法、及び、情報処理装置

Publications (2)

Publication Number Publication Date
JP2017126212A true JP2017126212A (ja) 2017-07-20
JP6623774B2 JP6623774B2 (ja) 2019-12-25

Family

ID=59314774

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016005384A Active JP6623774B2 (ja) 2016-01-14 2016-01-14 パスウェイ解析プログラム、パスウェイ解析方法、及び、情報処理装置

Country Status (2)

Country Link
US (1) US20170206315A1 (ja)
JP (1) JP6623774B2 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117238381A (zh) * 2023-11-15 2023-12-15 苏州元脑智能科技有限公司 通路相关性的确定方法及装置、存储介质及电子设备
WO2024085096A1 (ja) * 2022-10-18 2024-04-25 ソシウム株式会社 変動パスウェイデータベース生成装置、探索装置、変動パスウェイデータベース生成方法、探索方法、およびプログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304530B (zh) * 2018-01-26 2022-03-18 腾讯科技（深圳）有限公司 知识库词条分类方法和装置、模型训练方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002132749A (ja) * 2000-10-24 2002-05-10 Naoyuki Kamatani サンプリングバイアス評価・減少装置
WO2005028647A1 (ja) * 2003-09-22 2005-03-31 Kyoto University 核酸プローブ、核酸チップ、標的核酸検出方法、薬剤スクリーニング方法、標的核酸検出装置及び遺伝子診断方法
JP2007011996A (ja) * 2005-07-04 2007-01-18 Fujitsu Ltd 発現情報の解析方法及びそのシステム
WO2009044459A1 (ja) * 2007-10-02 2009-04-09 Fujitsu Limited 分析支援プログラム、分析支援装置、および分析支援方法
US20150317430A1 (en) * 2014-05-05 2015-11-05 Advaita Corporation Systems and methods for analyzing biological pathways for the purpose of modeling drug effects, side effects, and interactions
US20150361496A1 (en) * 2014-05-28 2015-12-17 Scripps Health Predictive analysis for myocardial infarction

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002132749A (ja) * 2000-10-24 2002-05-10 Naoyuki Kamatani サンプリングバイアス評価・減少装置
WO2005028647A1 (ja) * 2003-09-22 2005-03-31 Kyoto University 核酸プローブ、核酸チップ、標的核酸検出方法、薬剤スクリーニング方法、標的核酸検出装置及び遺伝子診断方法
JP2007011996A (ja) * 2005-07-04 2007-01-18 Fujitsu Ltd 発現情報の解析方法及びそのシステム
WO2009044459A1 (ja) * 2007-10-02 2009-04-09 Fujitsu Limited 分析支援プログラム、分析支援装置、および分析支援方法
US20150317430A1 (en) * 2014-05-05 2015-11-05 Advaita Corporation Systems and methods for analyzing biological pathways for the purpose of modeling drug effects, side effects, and interactions
US20150361496A1 (en) * 2014-05-28 2015-12-17 Scripps Health Predictive analysis for myocardial infarction

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024085096A1 (ja) * 2022-10-18 2024-04-25 ソシウム株式会社 変動パスウェイデータベース生成装置、探索装置、変動パスウェイデータベース生成方法、探索方法、およびプログラム
CN117238381A (zh) * 2023-11-15 2023-12-15 苏州元脑智能科技有限公司 通路相关性的确定方法及装置、存储介质及电子设备
CN117238381B (zh) * 2023-11-15 2024-02-20 苏州元脑智能科技有限公司 通路相关性的确定方法及装置、存储介质及电子设备

Also Published As

Publication number Publication date
JP6623774B2 (ja) 2019-12-25
US20170206315A1 (en) 2017-07-20

Similar Documents

Publication Publication Date Title
Zyla et al. Gene set enrichment for reproducible science: comparison of CERNO and eight other algorithms
Bağcı et al. DIAMOND+ MEGAN: fast and easy taxonomic and functional analysis of short and long microbiome sequences
JP6253644B2 (ja) 統合バイアス補正およびクラス予測を用いてバイオマーカシグネチャを生成するためのシステムおよび方法
Eisen Phylogenomics: improving functional predictions for uncharacterized genes by evolutionary analysis
Jurman et al. Algebraic stability indicators for ranked lists in molecular profiling
JP5464503B2 (ja) 医療分析システム
KR100806436B1 (ko) 유전자 진단을 위한 마커 선택 프로그램을 포함하는 컴퓨터판독가능 매체, 마커 선택 장치 및 시스템, 및 유전자진단 함수 생성 장치 및 시스템
CN108121896B (zh) 一种基于miRNA的疾病间关系分析方法和装置
RU2010137352A (ru) Способ, компьютерный программный продукт и система обеспечения поддержки принятия клинического решения
Waldron et al. Meta-analysis in gene expression studies
US20190385706A1 (en) Associating gene expression data with a disease name
JP6623774B2 (ja) パスウェイ解析プログラム、パスウェイ解析方法、及び、情報処理装置
Seifert et al. Integrating biological knowledge and gene expression data using pathway-guided random forests: a benchmarking study
Pavlov et al. Resampling approach for determination of the method for reference interval calculation in clinical laboratory practice
Churakov et al. A 4-lineage statistical suite to evaluate the support of large-scale retrotransposon insertion data to reconstruct evolutionary trees
Vallania et al. Leveraging heterogeneity across multiple data sets increases accuracy of cell-mixture deconvolution and reduces biological and technical biases
KR101684742B1 (ko) 약물 가상 탐색 방법과 집중 탐색 라이브러리 구축 방법 및 이를 위한 시스템
JP4714869B2 (ja) 有効因子抽出システム
JP4461240B2 (ja) 遺伝子発現プロファイル検索装置、遺伝子発現プロファイル検索方法およびプログラム
Rasche et al. ARH: predicting splice variants from genome-wide data with modified entropy
Eng et al. Discrete mixture modeling to address genetic heterogeneity in time-to-event regression
JP2016048485A (ja) 遺伝子発現情報解析装置、遺伝子発現情報解析方法、及びプログラム
JP2005038256A (ja) 有効因子情報選択装置、有効因子情報選択方法、プログラム、および、記録媒体
Lauria Rank‐Based miRNA Signatures for Early Cancer Detection
CN117275656B (zh) 一种临床试验记录自动化生成标准化报告方法及系统

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180912

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20191029

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20191111

R150 Certificate of patent or registration of utility model

Ref document number: 6623774

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150