[論文レビュー] A Noise-Filtering Approach for Cancer Drug Sensitivity Prediction

Turki Turki, Zhi Wei|arXiv (Cornell University)|Dec 2, 2016

Computational Drug Discovery Methods参考文献 12被引用数 3

ひとこと要約

本稿では、数値線形代数および情報検索技術を用いてノイズの多い細胞株を同定・除去することで、機械学習の性能を向上させるがん薬物感受性予測のノイズフィルタリング手法を提案する。モデル学習の前に低品質なサンプルをフィルタリングすることで、乳がんおよび多発性マイエローマの臨床試験データにおいて、ベースライン手法と比較して顕著に高いAUCスコア（最大0.878）を達成し、予測精度と安定性に優れていることを示している。

ABSTRACT

Accurately predicting drug responses to cancer is an important problem hindering oncologists' efforts to find the most effective drugs to treat cancer, which is a core goal in precision medicine. The scientific community has focused on improving this prediction based on genomic, epigenomic, and proteomic datasets measured in human cancer cell lines. Real-world cancer cell lines contain noise, which degrades the performance of machine learning algorithms. This problem is rarely addressed in the existing approaches. In this paper, we present a noise-filtering approach that integrates techniques from numerical linear algebra and information retrieval targeted at filtering out noisy cancer cell lines. By filtering out noisy cancer cell lines, we can train machine learning algorithms on better quality cancer cell lines. We evaluate the performance of our approach and compare it with an existing approach using the Area Under the ROC Curve (AUC) on clinical trial data. The experimental results show that our proposed approach is stable and also yields the highest AUC at a statistically significant level.

研究の動機と目的

• ノイズの多いまたは低品質ながん細胞株による機械学習の性能低下を是正すること。
• 学習の前にノイズの多いサンプルをフィルタリングすることで、予測モデルの精度と安定性を向上させること。
• 数値線形代数と情報検索技術を統合し、ゲノムおよび薬物反応データから高品質な細胞株を同定すること。
• 乳がんおよび多発性マイエローマの実臨床試験データを用いて、提案手法を既存手法と比較して評価すること。

提案手法

• 訓練セット内のすべての細胞株特徴ベクトル間のマンハッタン距離を用いて距離行列 D を構築する。
• D に対してスペクトル分解を適用し、固有ベクトルと固有値を取得する。最小固有ベクトルを用いてデータをノイズ除去された特徴空間に射影する。
• 距離行列の主要固有ベクトルを用いて、元の訓練入力を新しい表現に変換し、低ノイズ特徴を強調する。
• 元の特徴ベクトルと変換後の特徴ベクトル間のコサイン類似度を用い、最小の角偏差に基づいて高品質な細胞株をランク付け・抽出する。
• フィルタリング処理を施した高品質な細胞株サブセット上で、特にサポートベクターレグレッションとリッジレグレッションを用いて機械学習モデルを訓練する。
• 訓練済みモデルを用いてテストセットでの薬物感受性を予測し、臨床試験結果のAUCを用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 ノイズの多いがん細胞株をフィルタリングすることで、薬物感受性予測における機械学習モデルの予測性能が向上するか？
• RQ2 数値線形代数と情報検索技術の統合が、高品質な細胞株の同定をどのように向上させるか？
• RQ3 提案手法によるノイズフィルタリングは、実臨床データにおいて既存のベースライン手法と比較して、より安定的かつ正確な予測をもたらすか？
• RQ4 低品質なサンプルの除去は、乳がんにおけるドセタキセル感受性および多発性マイエローマにおけるボルテゾミブ感受性の予測において、AUCにどの程度の向上効果をもたらすか？

主な発見

• 乳がんにおけるドセタキセル感受性予測において、提案手法はAUC 0.878を達成し、ベースライン手法B+SVR+S（AUC 0.857）およびB+RR（AUC 0.821）を顕著に上回った。
• 多発性マイエローマにおけるボルテゾミブ感受性予測において、PA+SVR+SモデルはAUC 0.658を達成し、ベースライン手法B+SVR+S（AUC 0.602）およびB+RR（AUC 0.608）を上回った。
• 乳がんにおけるPA+SVR+Sの平均AUC（MAUC）は0.871であり、ベースライン手法B+SVR+Sの0.858と比較して一貫した優位性を示した。
• 乳がんにおいて、PA+SVR+Sモデルは感受性あり vs. 残疾の患者群を区別するにあたり、非常に有意なp値（p = 117 × 10⁻⁵）を示し、統計的信頼性を確認した。
• 低品質な細胞株をフィルタリングすることで、学習セットサイズが縮小された。q+PA値は459から478の範囲にあり、予測性能は維持または向上した。
• すべての提案モデルにおいて、反応者と非反応者の間の感受性予測差のt検定p値は非常に有意（p < 0.0001）であり、モデルの強靭性を確認した。