[論文レビュー] DropLasso: A robust variant of Lasso for single cell RNA-seq data

Beyrem Khalfaoui, Jean‐Philippe Vert|arXiv (Cornell University)|Feb 26, 2018

Single-cell and spatial transcriptomics参考文献 31被引用数 3

ひとこと要約

DropLassoは、単一細胞RNA-Seqデータに特化したロバストなlasso回帰の変種であり、ドロップアウトノイズを扱うためにドロップアウト正則化を組み込んだものである。ドロップアウトノイズをモデル化することで、特に細胞周期およびミトーシス経路に関連する生物学的に意味のある遺伝子の選択を改善し、シミュレート済みおよび実際のscRNA-seqデータにおいて、エラスティックネットを上回る性能を示した。

ABSTRACT

Single-cell RNA sequencing (scRNA-seq) is a fast growing approach to measure the genome-wide transcriptome of many individual cells in parallel, but results in noisy data with many dropout events. Existing methods to learn molecular signatures from bulk transcriptomic data may therefore not be adapted to scRNA-seq data, in order to automatically classify individual cells into predefined classes. We propose a new method called DropLasso to learn a molecular signature from scRNA-seq data. DropLasso extends the dropout regularisation technique, popular in neural network training, to esti- mate sparse linear models. It is well adapted to data corrupted by dropout noise, such as scRNA-seq data, and we clarify how it relates to elastic net regularisation. We provide promising results on simulated and real scRNA-seq data, suggesting that DropLasso may be better adapted than standard regularisa- tions to infer molecular signatures from scRNA-seq data.

研究の動機と目的

• 高レベルのドロップアウトレートが単一細胞RNA-Seqデータに与える影響により、標準的な回帰手法が歪められることに起因する課題に対処する。
• 細胞を事前に定義されたタイプに分類するためのスパースな分子シグネチャを学習するための教師あり手法を開発する。
• 当初ディープラーニングで開発されたドロップアウト正則化を、ノイズが多くゼロが多様なscRNA-seqデータにおける特徴選択に適応する。
• データ固有のノイズパターンを考慮することで、エラスティックネットのような既存の正則化手法を改善する。
• ドロップアウトによるデータ拡張を活用することで、より生物学的に解釈可能でロバストな遺伝子シグネチャを実現する。

提案手法

• ドロップアウト正則化をニューラルネットワークから線形モデルに拡張し、トレーニング中にランダムな特徴マスキングを適用してドロップアウトノイズをシミュレートする。
• 最適化中に特徴の確率的ドロップアウトを損失関数に組み込むことで、DropLassoを正則化回帰問題として定式化する。
• ドロップアウト下での期待損失を近似するためにモンテカルロサンプリングを用い、確率的勾配降下法による最適化を可能にする。
• DropLassoをエラスティックネット正則化と関連づけ、理論的類似性を示しながらも、データ依存性とノイズに配慮した性質を強調する。
• scRNA-seqプロファイルから細胞タイプラベルを予測するスパースかつ解釈可能な遺伝子シグネチャを学習するためにこの手法を適用する。
• scRNA-seqにおけるドロップアウトの遺伝子発現レベル依存性を反映したドロップアウトノイズパターンを統合する。

実験結果

リサーチクエスチョン

• RQ1 当初ディープラーニングで開発されたドロップアウト正則化は、単一細胞RNA-Seqデータにおける特徴選択を改善するために効果的に適応可能か？
• RQ2 高ドロップアウト条件下で、DropLassoはエラスティックネットと比較して生物学的に関連のある遺伝子シグネチャをどのように特定するか？
• RQ3 ドロップアウトノイズをデータ拡張の一種としてモデル化することで、scRNA-seqにおける分子シグネチャ学習のロバスト性と正確性が向上するか？
• RQ4 DropLassoは、標準的な正則化手法よりも、既知の機能的遺伝子群（例：細胞周期、ミトーシス）をより効果的に回復できるか？
• RQ5 データ依存性正則化は、scRNA-seq応用におけるシグネチャの安定性と生物学的解釈可能性にどのような影響を与えるか？

主な発見

• DropLassoはエラスティックネットを上回り、機能的に関連する遺伝子を識別した。特に『細胞分裂』関連で21個の遺伝子を選択したのに対し、エラスティックネットは10個であった。
• 『細胞周期』用語に関しては、DropLassoが9対30の機能的アノテーション付き遺伝子を選択した。これは、より優れた機能的整合性を示している。
• ミトーシス関連遺伝子では、DropLassoが10対22個を選択した。これにより、生物学的に意味のあるシグネチャの回復能力がさらに強化されたことが裏付けられた。
• シミュレート済みデータにおいて、DropLassoは高ドロップアウト条件下でも、遺伝子選択の安定性と正確性が向上していた。
• 複数の実際のscRNA-seqデータセットにおいて一貫したパフォーマンスを示し、既知の生物学的経路に富んだシグネチャが得られた。
• DropLassoの性能は、scRNA-seqにおけるドロップアウトノイズの構造をよりよくモデル化するデータ依存性正則化に起因している。