[論文レビュー] Graph-driven features extraction from microarray data

Jean‐Philippe Vert, Minoru Kanehisa|ArXiv.org|Jun 17, 2002

Gene expression and cancer classification参考文献 62被引用数 4

ひとこと要約

本稿では、遺伝子の関係性をネットワークとしてモデル化し、カーネルベースの正則化 canonical correlation analysis (kernel CCA) を用いて生物学的に意味のある特徴を抽出することで、代謝経路の知識をマイクロアレイデータ解析に統合するグラフ駆動型特徴抽出手法を提案する。この手法は、ネットワーク内のトポロジカル相関を活用することで、代謝、タンパク質合成、細胞小器官局在化の経路において特に顕著に、遺伝子機能予測の精度を向上させる。

ABSTRACT

Gene function prediction from microarray data is a first step toward better understanding the machinery of the cell from relatively cheap and easy-to-produce data. In this paper we investigate whether the knowledge of many metabolic pathways and their catalyzing enzymes accumulated over the years can help improve the performance of classifiers for this problem. The complex network of known biochemical reactions in the cell results in a representation where genes are nodes of a graph. Formulating the problem as a graph-driven features extraction problem, based on the simple idea that relevant features are likely to exhibit correlation with respect to the topology of the graph, we end up with an algorithm which involves encoding the network and the set of expression profiles into kernel functions, and performing a regularized form of canonical correlation analysis in the corresponding reproducible kernel Hilbert spaces. Function prediction experiments for the genes of the yeast S. Cerevisiae validate this approach by showing a consistent increase in performance when a state-of-the-art classifier uses the vector of features instead of the original expression profile to predict the functional class of a gene.

研究の動機と目的

• 既知の生化学的経路ネットワークを統合することで、マイクロアレイデータからの遺伝子機能予測を向上させること。
• 経路データベースからの構造的生物学的知識を統合することで、単一の発現プロファイルに依存する限界を克服すること。
• ネットワークトポロジーに基づいて生物学的に意味のある相関を捉える特徴抽出フレームワークを開発すること。
• ネットワークに配慮した特徴が、生の発現プロファイルと比較して分類器の性能を向上させるかどうかを検証すること。

提案手法

• 既知の生化学的経路を用いて、遺伝子をノードとしてグラフに表現し、連続する反応に参加する遺伝子同士をエッジで結ぶ。
• 遺伝子ネットワークと発現プロファイルを、それぞれグラフ上の拡散カーネルと発現ベクトル上の線形カーネルとして2つのカーネル関数に符号化する。
• 再生核ヒルバート空間 (RKHS) における正則化カーネル canonical correlation analysis (kernel CCA) を実行し、相関する特徴を同定する。
• カーネル-CCA アルゴリズムを用いて、ネットワークトポロジーと発現パターンを統合した新しい特徴表現を抽出する。
• 発現プロファイルを中央化し、経路データを KEGG から得た サルコイデス・セレビシエ (S. cerevisiae) のデータにこの手法を適用する。
• 元の発現プロファイルを、ネットワーク上の近接性に基づいて共調節御される遺伝子群を強調する新しい特徴空間に変換する。

実験結果

リサーチクエスチョン

• RQ1 既知の代謝経路ネットワークを統合することで、マイクロアレイデータからの遺伝子機能予測の精度が向上するか？
• RQ2 遺伝子ネットワークトポロジーから導出される特徴は、生の発現プロファイルと比較して、機能的クラスとより強く相関するか？
• RQ3 どの機能的カテゴリーがネットワーク拡張特徴抽出によって最も利益を受けるか？
• RQ4 RKHS 内のカーネル CCA は、ネットワークと発現データの有効統合をどのように可能にするか？
• RQ5 性能向上はネットワークのトポロジカル構造のためか、カーネルベースの符号化手法のためか？

主な発見

• グラフ駆動型特徴抽出手法は、生の発現プロファイルを用いる場合と比較して、複数の機能的カテゴリーにおいて一貫して予測性能を向上させた。
• 代謝およびタンパク質合成関連の機能的カテゴリーが最も大きな性能向上を示した。これは、KEGG データベースに良好にアノテートされた経路が存在するためと考えられる。
• 細胞小器官局在化関連遺伝子に対しても顕著な利益が得られたが、これは直接的な酵素機能とは関係なく、オルガネラ機能による間接的な機能的連携が関与している可能性を示唆している。
• 『代謝』カテゴリーでは、F1スコアが16.8%相対的に向上した。これは、ネットワークトポロジーと機能的共調節御の間に強い相関があることを示している。
• カーネル CCA フレームワークは、発現データに直接的に顕在しないが、協調的な生物学的プロセスを反映する潜在的特徴を効果的に同定した。
• 本手法は、カーネル手法による生物学的ネットワーク知識の統合が、マイクロアレイベースの機能予測の解釈可能性と予測力の両方を向上させることを示している。