[論文レビュー] Deep Neural Network Based Precursor microRNA Prediction on Eleven Species

Jaya Thomas, Lee Sael|arXiv (Cornell University)|Apr 10, 2017

Cancer-related molecular mechanisms research参考文献 18被引用数 5

ひとこと要約

本稿では、11種の生物に跨る前駆体マイクロRNAを予測するため、配列、折りたたみ、スタムロープ、統計的（zスコア）の58種類の異種特徴を統合する深層ニューラルネットワークモデル、DP-miRNAを提案する。このモデルは、SVM、ランダムフォレスト、ナイーブベイズといった従来の分類器を上回り、ヒトデータセットで最高99.2%の正答率と98.24%の特異度を達成した。また、修正されたサンプリング手法により、クラスの不均衡に対する耐性が向上し、一般化性能が向上した。

ABSTRACT

MicroRNA (miRNA) are small non-coding RNAs that regulates the gene expression at the post-transcriptional level. Determining whether a sequence segment is miRNA is experimentally challenging. Also, experimental results are sensitive to the experimental environment. These limitations inspire the development of computational methods for predicting the miRNAs. We propose a deep learning based classification model, called DP-miRNA, for predicting precursor miRNA sequence that contains the miRNA sequence. The feature set based Restricted Boltzmann Machine method, which we call DP-miRNA, uses 58 features that are categorized into four groups: sequence features, folding measures, stem-loop features and statistical feature. We evaluate the performance of the DP-miRNA on eleven twelve data sets of varying species, including the human. The deep neural network based classification outperformed support vector machine, neural network, naive Baye's classifiers, k-nearest neighbors, random forests, and a hybrid system combining support vector machine and genetic algorithm.

研究の動機と目的

• 多様な種に跨る真の前駆体miRNAと偽のヘアピン構造を正確に区別できる計算手法を開発すること。
• miRNA予測データセットにおけるクラスの不均衡問題に対処するため、修正されたサンプリング技術を用いること。
• 一般的に使用されるヒトデータセットにとどまらず、複数の種に跨る深層ニューラルネットワークモデルの性能を評価すること。
• 配列、構造的特徴、熱力学的特徴、統計的特徴を統合した一元的な深層学習フレームワークを構築し、分類性能を向上させること。
• 深層学習が従来の機械学習手法よりも前駆体miRNA予測において優れていることを実証すること。

提案手法

• DP-miRNAモデルは、配列特徴、折りたたみ測定値、スタムロープ特性、統計的有意性のためのzスコアを含む58特徴の入力ベクトルを用いる深層ニューラルネットワークを採用する。
• クラスの不均衡を緩和するために修正されたサンプリング手法が適用され、不均衡な訓練データ上でのモデルの一般化性能が向上した。
• 繰り返しの訓練を経て、隠れ層の数やニューロン数を変更しながらモデルアーキテクチャを最適化し、経験的妥当性の結果としてX-100-70-1構成（X = 入力ベクトルの次元数）を採用した。
• 特徴選択により、二ヌクレオチド頻度、最小自由エネルギー（MFEI4、MFEI5）、融解温度（Tm、Tm/L）、位置エントロピーなど、予測力に最も寄与する20の主要特徴が同定された。
• 深層学習フレームワークは段階的な特徴抽象化を実行し、入力された原始的特徴から高次の表現を学習可能にした。
• 10分割交差検証を用いて性能を評価し、正答率、感度、特異度、幾何平均（Gm）などの指標を用いた。

実験結果

リサーチクエスチョン

• RQ1 深層ニューラルネットワークモデルは、多様な種に跨る異種生物学的特徴を効果的に統合し、前駆体miRNA予測の性能を向上させることができるか？
• RQ2 提案されたDP-miRNAモデルの性能は、SVM、ランダムフォレスト、ナイーブベイズなどの従来の機械学習分類器と比較して、どのように異なるか？
• RQ3 修正されたサンプリング手法は、miRNA予測データセットにおけるクラスの不均衡問題をどの程度緩和できるか？
• RQ4 モデルはヒト以外の種、例えばボス・タウラスやゴリラを含む多様な種に跨って良好に一般化できるか？
• RQ5 どの特定の特徴がモデルの予測精度と耐性に最も顕著に寄与しているか？

主な発見

• 20の特徴を用いた選択された特徴セットにより、ヒトデータセットで99.2%の正答率、99.58%の感度、98.24%の特異度を達成した。
• SVM、ランダムフォレスト、ナイーブベイズ、k-NN、およびハイブリッドSVM-遺伝的アルゴリズムシステムといった複数のベースライン分類器を上回った。
• ボス・タウラスデータセットでは、特徴セットの最適化に伴い、ZG、(G-C)/stems、dFといった種特異的特徴を組み込むことで、幾何平均が89.62%から92.3%に向上した。
• モデルはヒト以外の10種の非ヒト種に対しても強く一般化し、多様な分類群にわたり一貫した高い性能を示した。
• 特徴重要度分析から、熱力学的特徴（例：MFEI4、Tm/L）、配列組成（例：AU、UU）、構造的指標（例：(G-U)/stems）が予測に顕著に寄与することが判明した。
• 2層の隠れ層を持つ深層学習アーキテクチャ（X-100-70-1）が、トレーニング誤差と計算コストの最適なバランスを達成し、より深いネットワークによるさらなる向上は見られなかった。