これがあんまし効かない。
現状で、ほかに代替がなくて、で一定の効果はあるんだし、
だから重要、ってのは当然。
なんだけど、いつまでもこれじゃダメ。
とりあえず次のパンデミックには間に合わないのは確定。
現状の何がまずいか。
ニワトリの卵でつくってる から
1. ヒト株はそのまま使えない ニワトリでかかり、かつ殺さないように順化させないと
2. もとになったヒト株はわれわれみんな免疫もってる いまさらな株
3. 増産できない、スケーラブルではない
注射してる から
4. できるのはIgG これは鼻と喉の粘膜にはいかない そっちはIgAの担当
ある程度に予想して人工合成したヘマグルチニンを点鼻するのがいいのでは？
HAなら細胞に疑似的にせよ結合できるから、抗原として提示されるはず。
2019年12月18日水曜日
インフルエンザウイルスの配列解析
Re-evaluation of the evolution of influenza H1 viruses using direct PCA
https://www.nature.com/articles/s41598-019-55254-z
PCAつかって解析した。
それまではNJつかってたので間違いが多かったし、
年々かわってくのをちゃんと見れてなかった。
たとえばtriple reassortmentってのはその間違い。たぶんフェイク。
年々かわってくのは気づいていたろうけどリアルじゃなかった。
N1H1が年々かわるのはたぶん、ほとんど全員が不顕性に感染するから。
全員が免疫もってればもう出てこれない。
まあ数年まえのウイルスを、しかも卵で増えるように変化させてからワクチンにしたって、
そりゃ効かないよねえ。
インフルのワクチン効かない大きな原因のひとつはこれ。
あと、渡り鳥は無実だった。
あれが鳥インフル運ぶなら、ヨーロッパ産の株はもっと世界規模で出なきゃだし、
あちこちのをヨーロッパで見なきゃおかしい。
豚はミキシングボウルだけど保管庫でもあった。
年代物のヒトウイルスが最近のブタから検出されてる。
等々。ちょっと見ただけのこの論文で、こんなに新しいことが出てきてるのは、
要するにそのメソッドが良いから。 R使えれば使える、コードをGitHubで配ってる。
https://github.com/TomokazuKonishi/direct-PCA-for-sequences
https://www.nature.com/articles/s41598-019-55254-z
PCAつかって解析した。
それまではNJつかってたので間違いが多かったし、
年々かわってくのをちゃんと見れてなかった。
たとえばtriple reassortmentってのはその間違い。たぶんフェイク。
年々かわってくのは気づいていたろうけどリアルじゃなかった。
N1H1が年々かわるのはたぶん、ほとんど全員が不顕性に感染するから。
全員が免疫もってればもう出てこれない。
まあ数年まえのウイルスを、しかも卵で増えるように変化させてからワクチンにしたって、
そりゃ効かないよねえ。
インフルのワクチン効かない大きな原因のひとつはこれ。
あと、渡り鳥は無実だった。
あれが鳥インフル運ぶなら、ヨーロッパ産の株はもっと世界規模で出なきゃだし、
あちこちのをヨーロッパで見なきゃおかしい。
豚はミキシングボウルだけど保管庫でもあった。
年代物のヒトウイルスが最近のブタから検出されてる。
等々。ちょっと見ただけのこの論文で、こんなに新しいことが出てきてるのは、
要するにそのメソッドが良いから。 R使えれば使える、コードをGitHubで配ってる。
https://github.com/TomokazuKonishi/direct-PCA-for-sequences
PCAつかった配列解析
https://www.nature.com/articles/s41598-019-55253-0
Principal Component Analysis applied directly to Sequence Matrix
これまでは猫も杓子もクラスタリングをやっていた。
NJはいい方法だとおもうけど。
クラスタリングというのは、ある仮定のもとで、
とりえる形を見せてくれる方法である。
その仮定は間違ってるかもしれない。
だから結論を導くことはできない。
もともと、科学では使いにくい方法である。
配列はひとつずつのベースが独立変数とみなせるので、
そのデータはだから多変量解析で分析すべき。
とりあえず仮定がほとんどなくて科学で使いやすいのは主成分分析。
だからPCAつかって解析。
これまでにも「距離行列」を使う方法はあったみたいだけど、
こいつは配列をいったんブーリアンのゼロイチにして、そのまま
singular value decomposition にかけてる。
だからデータは最後まで失われない。
あとサンプルの関係と配列の関係が並列して出てくる。
まあそういう「原理が新しい」方法なんだけど、
インフォマの論文の常として、
以前のと比べて良い点はどこか ってところが必要になるので、
ロバストネスだとかそういうデータがついた論文。
それらはオマケだね。
まあでもNJの限界とかはよく表れてる。
おもしろいのはインドライオンのデータ。
あれはかつて絶滅に瀕したことがある。
その過去がデータにはっきりと表れている。
３つのグループというかファミリーがあって、
それらは遺伝的多様性に乏しい。
ボトルネック効果。
だけども交雑した子孫はいるみたいだから、
交配に気を配れば、また遺伝的多様性を取り戻せるかもしれない。
Principal Component Analysis applied directly to Sequence Matrix
これまでは猫も杓子もクラスタリングをやっていた。
NJはいい方法だとおもうけど。
クラスタリングというのは、ある仮定のもとで、
とりえる形を見せてくれる方法である。
その仮定は間違ってるかもしれない。
だから結論を導くことはできない。
もともと、科学では使いにくい方法である。
配列はひとつずつのベースが独立変数とみなせるので、
そのデータはだから多変量解析で分析すべき。
とりあえず仮定がほとんどなくて科学で使いやすいのは主成分分析。
だからPCAつかって解析。
これまでにも「距離行列」を使う方法はあったみたいだけど、
こいつは配列をいったんブーリアンのゼロイチにして、そのまま
singular value decomposition にかけてる。
だからデータは最後まで失われない。
あとサンプルの関係と配列の関係が並列して出てくる。
まあそういう「原理が新しい」方法なんだけど、
インフォマの論文の常として、
以前のと比べて良い点はどこか ってところが必要になるので、
ロバストネスだとかそういうデータがついた論文。
それらはオマケだね。
まあでもNJの限界とかはよく表れてる。
おもしろいのはインドライオンのデータ。
あれはかつて絶滅に瀕したことがある。
その過去がデータにはっきりと表れている。
３つのグループというかファミリーがあって、
それらは遺伝的多様性に乏しい。
ボトルネック効果。
だけども交雑した子孫はいるみたいだから、
交配に気を配れば、また遺伝的多様性を取り戻せるかもしれない。
登録:
投稿 (Atom)