AD研究 研究開始

🧠 ADは「ネットワーク病」

アルツハイマー病：

Aβ

Tau

炎症

ミクログリア

ミトコンドリア

シナプス

BBB

APOE

老化

が相互作用するネットワーク疾患

これからやる研究の全体像（ロードマップ）

① AD病態知識の構造化（知識グラフ）
↓
② 病態ネットワーク解析
↓
③ Key driver（支配ノード）探索
↓
④ 創薬ターゲット候補抽出
↓
⑤ 既存薬・化合物との接続
※現在地：①の入り口

STEP1 ： AD病態知識グラフの作成

実際にNeo4jに入れる

JupyterLabのセルで以下を実行。

neo4j.py

def create_ad_core(tx):
    tx.run("""
    MERGE (app:Gene {name: "APP"})
    MERGE (ab:Protein {name: "Amyloid-beta"})
    MERGE (tau:Protein {name: "Tau"})
    MERGE (syn:Process {name: "Synaptic dysfunction"})
    MERGE (cog:Process {name: "Cognitive decline"})
    MERGE (infl:Process {name: "Neuroinflammation"})

    MERGE (app)-[:PRODUCES]->(ab)
    MERGE (ab)-[:CAUSES]->(syn)
    MERGE (syn)-[:LEADS_TO]->(cog)

    MERGE (tau)-[:CAUSES]->(:Process {name: "Neurofibrillary tangle"})
    MERGE (:Cell {name: "Microglia"})-[:MEDIATES]->(infl)
    """)
    
with driver.session() as session:
    session.execute_write(create_ad_core)

Neo4j Desktop → Query → 実行

query.py

MATCH (n)-[r]->(m)
RETURN n,r,m

以上を実行するとADの病態構造が可視化されるので、これを基に「ADとは何がどう繋がっている病気なのか」が構造として見えるようになる。

今回は以上。
次回はわけわかんない単語の解説と私の仮説を用いたneo4jを使った病理解明の続きをする。と思ったけど、キリが悪いのでここで書いとく。

・ノードって何？

・遺伝子（APP, APOE）

・タンパク質（Aβ, Tau）

・細胞（ミクログリア）

・病態（炎症、シナプス障害）

　　＝“主語になれるもの”

・エッジって何？

・産生する

・活性化する

・抑制する

・引き起こす

　　などの動詞

・知識グラフって何？

今まで ・論文を読む ・知識を頭でつなぐ ・因果関係を理解する をやってきた。

・ノード（概念）

・エッジ（関係）

としてコンピュータにそのまま渡してデータにしたもの。

・ネットワーク病って何？

1個壊れて起きる病気でないもの。

・創薬ターゲットってどういう意味？

病態ネットワークの中で

・影響力が大きい点

・複数の経路を同時に制御できる点

ADの「骨格」をグラフにする

ADを「構造」として理解することを目的として次のノードとエッジの関係性をグラフ化する。

ノード

APP（遺伝子）

Amyloid-beta（Aβ）

Tau

Microglia

Neuroinflammation

Synaptic dysfunction

Cognitive decline

エッジ

PRODUCES

CAUSES

MEDIATES

LEADS_TO

JupyterLabで以下のコードを実行

node.py

def create_nodes(tx):
    tx.run("""
    MERGE (:Gene {name: "APP"})
    MERGE (:Protein {name: "Amyloid-beta"})
    MERGE (:Protein {name: "Tau"})
    MERGE (:Cell {name: "Microglia"})
    MERGE (:Process {name: "Neuroinflammation"})
    MERGE (:Process {name: "Synaptic dysfunction"})
    MERGE (:Process {name: "Cognitive decline"})
    """)

with driver.session() as session:
    session.execute_write(create_nodes)

上記のコードによりノードを作成。

edge.py

def create_edges(tx):
    tx.run("""
    MATCH (app:Gene {name:"APP"}),
          (ab:Protein {name:"Amyloid-beta"}),
          (syn:Process {name:"Synaptic dysfunction"}),
          (cog:Process {name:"Cognitive decline"}),
          (micro:Cell {name:"Microglia"}),
          (infl:Process {name:"Neuroinflammation"}),
          (tau:Protein {name:"Tau"})
    MERGE (app)-[:PRODUCES]->(ab)
    MERGE (ab)-[:CAUSES]->(syn)
    MERGE (syn)-[:LEADS_TO]->(cog)
    MERGE (ab)-[:ACTIVATES]->(micro)
    MERGE (micro)-[:MEDIATES]->(infl)
    MERGE (infl)-[:EXACERBATES]->(syn)
    MERGE (tau)-[:CAUSES]->(:Process {name:"Neurofibrillary tangle"})
    """)

with driver.session() as session:
    session.execute_write(create_edges)

これにより、エッジを足す。

Neo4jで実行

以下のコードを実行。

query.py

MATCH (n)-[r]->(m)
RETURN n, r, m

これにより以下のような関係性が見えてくる。

APP（Gene）→ Aβ（Protein）→ Microglia（Cell）→ 炎症（Process）→ シナプス障害（Process）→ 認知低下（Process）の流れが見えてきた。

今回はここまで。
次回は私の仮説を織り交ぜてさらに深掘りしていく。