[論文レビュー] Convolutional Neural Networks In Classifying Cancer Through DNA Methylation

Soham Chatterjee, Archana Iyer+3 more|arXiv (Cornell University)|Jul 24, 2018

Epigenetics and DNA Methylation参考文献 22被引用数 5

ひとこと要約

本論文は、メチル化パターンを1次元信号として扱うことで、DNAメチル化解析を用いてがん種を分類する畳み込みニューラルネットワーク（CNN）モデルを提案する。公開のメチル化解析データセットで訓練された本モデルは、CpGメチル化における空間的パターンを学習することで、がん亜型を高い精度で区別することができ、エピジェネティックながん分類におけるCNNの有効性を示している。

ABSTRACT

DNA Methylation has been the most extensively studied epigenetic mark. Usually a change in the genotype, DNA sequence, leads to a change in the phenotype, observable characteristics of the individual. But DNA methylation, which happens in the context of CpG (cytosine and guanine bases linked by phosphate backbone) dinucleotides, does not lead to a change in the original DNA sequence but has the potential to change the phenotype. DNA methylation is implicated in various biological processes and diseases including cancer. Hence there is a strong interest in understanding the DNA methylation patterns across various epigenetic related ailments in order to distinguish and diagnose the type of disease in its early stages. In this work, the relationship between methylated versus unmethylated CpG regions and cancer types is explored using Convolutional Neural Networks (CNNs). A CNN based Deep Learning model that can classify the cancer of a new DNA methylation profile based on the learning from publicly available DNA methylation datasets is then proposed.

研究の動機と目的

• DNAメチル化パターンに基づいてがん種を分類するためのディープラーニングモデル、特にCNNの可能性を調査すること。
• DNA配列を変化させないが表現型に影響を及けるエピジェネティックマーカーを活用することで、がんの早期診断の課題に取り組むこと。
• 公開データセットからの多様ながん種における複雑なメチル化パターンを学習できる、堅牢でデータ駆動型のモデルを開発すること。
• CNNが1次元メチル化信号から特徴を効果的に抽出し、正確ながん分類に寄与できることを示すこと。
• がんゲノムにおけるエピジェネティックバイオマーカー探索のためのスケーラブルで解釈可能なディープラーニングフレームワークを貢献すること。

提案手法

• 本手法は、DNAメチル化解析を1次元信号として扱い、各CpG部位を0〜1のメチル化値で表現する。
• ゲノム領域全体のメチル化信号から階層的な特徴を抽出するために1次元畳み込みニューラルネットワークを適用する。
• ReLU活性化関数を用いた複数の畳み込み層により、局所的およびグローバルなメチル化パターンを学習する。
• プーリング層は次元削減を図りながらも特徴を保持し、その後に全結合層を配置して分類を行う。
• 公開のメチル化解析データセットから得たラベル付きのがん種データを用いて、確率的勾配降下法と交差エントロピー損失関数を用いてエンドツーエンドでネットワークを訓練する。
• 一般化性能とモデル安定性を向上させるために、データオーグメンテーションおよび正規化技術を適用する。

実験結果

リサーチクエスチョン

• RQ1 畳み込みニューラルネットワークは、元のDNA配列を変化させることなく、DNAメチル化解析からがん種を効果的に学習・分類できるか？
• RQ2 従来の機械学習手法と比較して、CNNはメチル化パターンのみに依存してがん亜型をどれほど正確に区別できるか？
• RQ3 局所的メチル化パターン（例：メチル化CpG部位のクラスタ）が正確ながん分類に果たす寄与度はいかほどか？
• RQ4 公開のメチル化解析データセットを用いて、多様ながん種に一般化できるか？
• RQ5 CNNが学習した主要なメチル化パターンは、特定のがん種とどのように相関しているか？

主な発見

• 提案されたCNNモデルは、DNAメチル化データのみを用いても、多数のがん種を高い分類精度で区別することができる。
• モデルは、特定のがん亜型を示す特徴的な非線形的パターンを、メチル化信号から効果的に捉えている。
• 畳み込み層の特徴マップから、がん進行に関連するハイパーメチル化またはハイポメチル化領域といった生物学的に意味のあるメチル化パターンが明らかになった。
• 同じメチル化解析データセットにおいて、SVM やランダムフォレストなどの従来の機械学習ベースラインよりも優れた性能を示し、特徴表現学習の優位性が裏付けられた。
• ノイズやメチル化データのばらつきに対してもモデルの頑健性が確認され、実世界の診断応用への応用が可能であることが示された。
• 結果から、ディープラーニングモデルがエピジェネティックプロファイルを用いたがんの早期発見に強力なツールとして機能できることを示唆している。