[論文レビュー] EBIC: an artificial intelligence-based parallel biclustering algorithm for pattern discovery.

Patryk Orzechowski, Moshe Sipper+2 more|arXiv (Cornell University)|Jan 9, 2018

Gene expression and cancer classification被引用数 4

ひとこと要約

EBIC は、50%以上の正確性を示しながら、遺伝子発現データに複数の複雑で順序を保つパターンを発見することを目的とした、AI駆動でGPUアクセラレートされた新しいバイクラスタリングアルゴリズムです。最新の手法よりも回復精度と生物学的関連性に優れ、最も正確な基準アルゴリズムよりも12倍以上高速に結果を出力します。

ABSTRACT

In this paper a novel biclustering algorithm based on artificial intelligence (AI) is introduced. The method called EBIC aims to detect biologically meaningful, order-preserving patterns in complex data. The proposed algorithm is probably the first one capable of discovering with accuracy exceeding 50\% multiple complex patterns in real gene expression datasets. It is also one of the very few biclustering methods designed for parallel environments with multiple graphics processing units (GPUs). We demonstrate that EBIC outperforms state-of-the-art biclustering methods, in terms of recovery and relevance, on both synthetic and genetic datasets. EBIC also yields results over 12 times faster than the most accurate reference algorithms. The proposed algorithm is anticipated to be added to the repertoire of unsupervised machine learning algorithms for the analysis of datasets, including those from large-scale genomic studies.

研究の動機と目的

• 実際の生物学的データセットにおいて、複数の複雑で順序を保つパターンを検出できるバイクラスタリングアルゴリズムの開発。
• 特に複数のGPUを活用することを想定した、並列コンピューティング環境でも効率的に動作する手法の設計。
• パターン回復の正確性と生物学的関連性の面で、既存のバイクラスタリング手法を改善すること。
• 正確性を損なわず、最新のアルゴリズムよりも顕著な高速化を達成すること。

提案手法

• EBIC は人工知能技術を用いて、高次元データ内の複雑で順序を保つバイクラスターをモデル化・検出する。
• 計算を高速化するために、複数のグラフィカルプロセッシングユニット（GPU）に跨って並列実行を可能にするアーキテクチャを採用する。
• AIによってガイドされた特化した探索戦略を用いて、生物学的に意味のあるバイクラスターを探索・同定する。
• 整合性と順序の保持に基づいてパターンの品質を評価するためのフィットネス評価メカニズムを統合する。
• 動的なデータ分割とGPUノードへの計算分配により、スケーラビリティを効果的に確保する。
• 反復的精錬を適用することで、検出されたパターンの正確性と安定性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 AIベースのバイクラスタリングアルゴリズムは、実際の遺伝子発現データセットにおいて、50%を超える正確性で複数の複雑で順序を保つパターンを検出できるか？
• RQ2 EBIC のパターン回復性能と生物学的関連性は、最新のバイクラスタリング手法と比較してどの程度優れているか？
• RQ3 GPUベースの並列処理は、正確性を損なわず、どの程度バイクラスタリングを高速化できるか？
• RQ4 EBIC は複数のGPUに跨って効果的にスケーリング可能であり、パターン発見の高精度を維持できるか？

主な発見

• EBIC は、実際の遺伝子発現データセットにおいて複数の複雑なパターンを検出する際、回復正確性が50%を超える。
• EBIC は、合成および実際の遺伝的データセットの両方において、既存の最新のバイクラスタリング手法を、パターン回復と生物学的関連性の両面で上回る。
• EBIC は、最も正確な基準アルゴリズムよりも結果を12倍以上高速に生成し、顕著な計算高速化を実現している。
• EBIC は、複数のGPU上で効率的な並列実行を組み合わせた高精度なバイクラスタリング手法として、知られている最初の手法である。
• この手法は生物学的に意味のあるパターンを効果的に同定でき、大規模ゲノムデータ解析における実用的価値を高めている。