臨床検査49巻5号

2005年05月発行

今月の主題 マイクロアレイ技術の進歩 話題

マイクロアレイとデータマイニング

著者： 笠井康弘¹² 守屋康充³ 伊豫田明⁴ 関直彦³ 藤澤武彦⁴

所属機関： ¹日立ソフトウェアエンジニアリング株式会社 ²ライフサイエンス本部 ³千葉大学大学院医学研究院機能ゲノム学（奇附）講座 ⁴千葉大学大学院医学研究院胸部外科学

ページ範囲：P.562 - P.566

1. はじめに

　マイクロアレイを利用したデータマイニングの代表的な手法は，大きく2つに分類される(図1)．1つは，解析に用いるサンプルが属するグループが未知である「教師無し学習」，グループが既知である「教師付き学習」である．いずれの場合も，その基本は『サンプルもしくは，遺伝子の有する各遺伝子の発現比率を，似ているもの同士で整理，分類することによって新しい知見を得る作業』である．

　本稿では，各遺伝子の発現比率の整理・分類の観点から，マイクロアレイのデータマイニングではどのようなデータマイニング作業が行われているか，主な2つの手法を紹介する．1つは，「教師無し学習」の代表として「クラスター解析」，もう1つは「教師付き学習」の代表として「判別分析」である．いずれも，遺伝子の発現パターンの整理，分類が不可欠な手法である．

参考文献

１) Eisen MB, Spellman PT, Brown PO, et al：Cluster analysis and display of genome-wide expression patterns. PNAS　95：14863-14868, 1998

２) Iyer VR, Eisen MB, Ross DT, et al：The transcriptional program in the response of human fibroblasts to serum. Science　283：83-87, 1999

３) Perou CM, Jeffrey SS, van de Rijn M：Distinctive gene expression patterns in human mammary epithelial cells and breast cancers. Genetics PNAS　96：9212-9217, 1999

４) Tavazoie S, Hughes JD, Campbell MJ, Cho RJ, et al：Systematic determination of genetic network architecture. Nat Genet　22：281-285, 1999

５) Tamayo P, Slonim D, Mesirov J, et al：Interpreting patterns of gene expression with self-organizing maps；methods and application to hematopoietic differentiation. PNAS　96：2907-2912, 1999

６) Kohonen T：Self-Organizating Maps. Springer-Verlag, New York, 1997

７) Sokal RR, Michener CD：A statistical method for evaluating systematic relationships. Univ Kans Sci Bull　38：1409-1438, 1958

８) Ward JH：Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association　58：236-244, 1963

９) Golub TR, Slonim DK, Tamayo P, et al：Molecular classification of cancer：Class discovery and class prediction by gene expression Monitoring. Science　15：531-537, 1999

10) Tusher VG, Tibshirani R, Chu G, et al：Significance analysis of microarrays applied to the ionizing radiation response. PNAS　9：5116-5121, 2001

11) Nutt CL, Mani DR, Betensky RA, et al：Gene expression-based classification of malignant gliomas correlates better with survival than histological classification. Cancer Res　63：1602-1607, 2003

12) Khan J, Wei JS, Ringner M, et al：Classification and diagnostic prediction of cancers using gene expression profiling and artificial neural networks. Nature Medicine　7：673-679, 2001

13) Vapnik V：The Nature of Statistical Learning Theory. Splinger-Verlag, New York, 1995

14) Brown MP, Grundy WN, Lin D, et al：Knowledge-based analysis of microarray gene expression data by using support vector machines. PNAS　97：262-267, 2000