[論文レビュー] Deep Learning Classification of Polygenic Obesity using Genome Wide Association Study SNPs

Casimiro Adays Curbelo Montañez, Paul Fergus+2 more|arXiv (Cornell University)|Apr 9, 2018

Genetic Associations and Epidemiology参考文献 3被引用数 13

ひとこと要約

本研究では、全ゲノム関連解析（GWAS）のSNPを活用して多因子性肥満を分類する深層学習フレームワークを提案し、複雑なSNP相互作用を捉えることで優れた予測性能を示した。P値 < 1×10⁻²（2,465変異）のSNPを用いたモデルは、AUC 0.9908を達成し、肥満と非肥満の個体をほぼ完璧に区別できた。

ABSTRACT

In this paper, association results from genome-wide association studies (GWAS) are combined with a deep learning framework to test the predictive capacity of statistically significant single nucleotide polymorphism (SNPs) associated with obesity phenotype. Our approach demonstrates the potential of deep learning as a powerful framework for GWAS analysis that can capture information about SNPs and the important interactions between them. Basic statistical methods and techniques for the analysis of genetic SNP data from population-based genome-wide studies have been considered. Statistical association testing between individual SNPs and obesity was conducted under an additive model using logistic regression. Four subsets of loci after quality-control (QC) and association analysis were selected: P-values lower than 1x10-5 (5 SNPs), 1x10-4 (32 SNPs), 1x10-3 (248 SNPs) and 1x10-2 (2465 SNPs). A deep learning classifier is initialised using these sets of SNPs and fine-tuned to classify obese and non-obese observations. Using a deep learning classifier model and genetic variants with P-value &lt; 1x10-2 (2465 SNPs) it was possible to obtain results (SE=0.9604, SP=0.9712, Gini=0.9817, LogLoss=0.1150, AUC=0.9908 and MSE=0.0300). As the P-value increased, an evident deterioration in performance was observed. Results demonstrate that single SNP analysis fails to capture the cumulative effect of less significant variants and their overall contribution to the outcome in disease prediction, which is captured using a deep learning framework.

研究の動機と目的

• 深層学習を用いて、GWASで同定されたSNPの予測能力を多因子性肥満の分類において評価すること。
• 従来の手法が見逃す可能性のある、有意でないSNPの累積的影響を深層学習がどのように捉えられるかを調査すること。
• 分類精度における異なるSNP有意水準（P値）の閾値の違いがもたらす性能差を比較すること。
• 非線形なSNP相互作用をモデル化することで、深層学習モデルが疾患予測をどのように改善できるかを示すこと。
• 深層ニューラルネットワークを用いてGWASデータを複雑な形質予測に統合するスケーラブルなフレームワークを提供すること。

提案手法

• 肥満との関連を検証するため、加法的遺伝モデルに基づくロジスティック回帰を実施した。
• P値閾値に基づき4つのSNPサブセットを選定した： <1×10⁻⁵（5個）、<1×10⁻⁴（32個）、<1×10⁻³（248個）、<1×10⁻²（2,465個）。
• 各SNPサブセットに対して深層ニューラルネットワーク分類器を訓練し、GWASの関連結果を初期化として使用し、表現型データでファインチューニングした。
• AUC、ジニ係数、LogLoss、MSEといった標準的な深層学習指標を用いてモデルの性能を評価した。
• モデル入力の前段階で、堅牢なSNP選択を確保するための品質管理および関連解析パイプラインを適用した。
• 交差検証による学習を最適化し、独立したデータでテストすることで汎化性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、GWASで同定されたSNPを用いて多因子性肥満を効果的に分類できるか？
• RQ2 含めるSNPの有意水準（P値）の閾値が変化するにつれて、モデルの性能はどのように変化するか？
• RQ3 単一SNP解析が捉えられないSNP相互作用を、深層学習モデルはどの程度捉えられるか？
• RQ4 有意でないSNP（例：P < 1×10⁻²）を含めることで、有意に高いSNPのみを用いた場合に比べて予測精度が向上するか？
• RQ5 GWASデータを用いた多因子疾患予測において、深層学習フレームワークは従来の統計的手法を上回る性能を示せるか？

主な発見

• P値 < 1×10⁻²（2,465個のSNP）を用いた深層学習モデルは、AUC 0.9908を達成し、優れた区別能力を示した。
• 感度（SE）は0.9604に達し、特異度（SP）は0.9712に達し、真陽性および真陰性の割合が非常に高かった。
• ジニ係数は0.9817であり、肥満症例を非肥満例よりも高くランク付けするモデルの性能が強く示された。
• LogLossは0.1150であり、予測に高い信頼性があり、校正誤差が小さいことを示した。
• MSEは0.0300であり、推定確率における予測誤差が最小限であることを示した。
• P値閾値が上昇するにつれて性能が著しく低下したため、最適な予測には中程度に有意なSNPを含めることが重要であることが明らかになった。