[論文レビュー] AI-driven multi-omics integration for multi-scale predictive modeling of causal genotype-environment-phenotype relationships

You Wu, Lei Xie|arXiv (Cornell University)|Jul 8, 2024

Gene expression and cancer classification被引用数 8

ひとこと要約

AIを活用し、生物学に着想を得たフレームワークで、複数のオミクスデータを生物学的スケールと種を跨いで統合し、攪乱下での因果的なゲノム-環境-表現型関係を予測する。 perturbation omicsリソースをレビューし、最新の多オミクス統合手法を調査する。

ABSTRACT

Despite the wealth of single-cell multi-omics data, it remains challenging to predict the consequences of novel genetic and chemical perturbations in the human body. It requires knowledge of molecular interactions at all biological levels, encompassing disease models and humans. Current machine learning methods primarily establish statistical correlations between genotypes and phenotypes but struggle to identify physiologically significant causal factors, limiting their predictive power. Key challenges in predictive modeling include scarcity of labeled data, generalization across different domains, and disentangling causation from correlation. In light of recent advances in multi-omics data integration, we propose a new artificial intelligence (AI)-powered biology-inspired multi-scale modeling framework to tackle these issues. This framework will integrate multi-omics data across biological levels, organism hierarchies, and species to predict causal genotype-environment-phenotype relationships under various conditions. AI models inspired by biology may identify novel molecular targets, biomarkers, pharmaceutical agents, and personalized medicines for presently unmet medical needs.

研究の動機と目的

• 環境攪乱下で表現型を遺伝子型から予測する必要性を、エンドフェノタイプを結びつきの中間指標として動機づける。
• スケールと種を跨いで多オミクスデータを統合し、因果G-E-P関係を推定する生物学に着想を得たAIフレームワークを提案する。
• 攪乱オミクスデータ資源と多オミクス統合の現在の機械学習アプローチを調査し、限界と機会を特定する。

提案手法

• G-E-Pモデリングへの適用性を評価するため、 perturbation omicsデータ資源（例：TCGA, LINCS, DepMap, scPerturb, PharmacoDB, ProteomicsDB など）をレビューする。
• 最先端の無監督・有監督・知識グラフベースの多オミクス統合手法（オートエンコーダ、トランスフォーマ、コントラスト学習、GNN など）を要約・批評する。
• 前例のない攪乱に対する表現型の応答を予測することを目的とした、レベル横断・スケール横断・種横断のデータ統合のための生物学に着想を得たAIモデリング原則を強調する。

Figure 1: Illustration of cross-level, cross-scale, cross-species multi-omics data integration

実験結果

リサーチクエスチョン

• RQ1 利用可能な攪乱オミクスデータ資源は何で、それらは予測的なG-E-Pモデリングをどう支援できるか?
• RQ2 現在の無監督・監督・グラフベースの多オミクス統合手法の長所と限界は、跨レベルのゲノム環境表現型予測にどう影響するか?
• RQ3 生物学にヒントを得たAIモデルは、攪乱下で分子機構の跨種翻訳を人間の表現型へどう実現できるか?
• RQ4 提案フレームワークが対処すべきデータ・一般化・因果性のギャップは何か?

主な発見

• 様々なモダリティと生物にわたる攪乱オミクスデータが豊富に存在するが、攪乱下の表現型予測のラベル付きデータは依然として不足している。
• 現在の手法は無監督・監督・知識グラフアプローチをカバーしており、データペアリング要件、モダリティ整合、クロスドメインの一般化などのトレードオフがある。
• スケールと種を横断して多オミクスを統合する生物学に着想を得たAIフレームワークは、新規ターゲット、バイオマーカー、個別化治療の特定に有望。
• 基盤モデル（例：トランスフォーマー）や跨種分析（例：GeneCompass）は、跨ドメイン・跨種のG-E-P洞察の可能性を示すが、対になったデータやドメイン整合の課題などの制限がある。

Figure 2: Illustration of multi-modal supervised learning. (a) A conventional strategy that requires paired data for all the modalities simultaneously. (b) An end-to-end deep neural network explicitly models asymmetric information flows from DNAs to RNAs to proteins to metabolites and ultimately to