[論文レビュー] Image-based Parameter Inference for Spatio-temporal models of Organogenesis

Britta Velten, Erkan Uenal+1 more|arXiv (Cornell University)|Jun 10, 2014

Pluripotent Stem Cells Research参考文献 4被引用数 3

ひとこと要約

本論文は、胚発生の3次元画像データから得られるパラメータを自動的に推定するためのハイブリッド計算フレームワークを提示する。決定木を用いて初期パラメータ推定をガイドし、SNOPT最適化によりモデル出力を精緻化する。この手法はマウスの四肢巣モデルにおいて、目的の遺伝子発現パターンを成功裏に回復させ、適合度関数を13,989から4,526に低減した。画像データからの自動パラメータ推定の可能性を示した。

ABSTRACT

Advances in imaging technology now provide us with detailed 3D data on gene expression patterns in developing embryos. This information can be used to build predictive mathematical models of embryogenesis. Current modelling approaches are, however, limited by lack of methods to automatically infer the regulatory networks and the parameter values from the image-based information. Here we make a first step to the development of such methods. We use limb bud development as a model system. For a given regulatory network we developed a decision tree based algorithm to automatically determine parameter values for which the model reproduces the expression patterns. Starting from this parameter set, local optimization was performed to further reduce the chosen goodness-of-fit measure. This approach allowed us to recover the target expression patterns, as judged by eye, and thus provides a first step towards the automated inference of parameter values for a given regulatory network.

研究の動機と目的

• 胚発生の3次元画像データからレギュラトリーネットワークのパラメータを推定する自動的手法の不足に対処すること。
• 画像ベースの発現パターンを予測的数学モデルに統合する計算効率の高いアプローチを開発すること。
• 主要なレギュラトリーモジュールとその空間パターニングへの影響を特定することで、体系的で段階的なパラメータ推定を可能にすること。
• 階層的パラメータチューニングと勾配ベース最適化を用いることで、計算コストを低減しながらも正確性を維持すること。
• シミュレーションデータを用いた検証を通じて、実験的に観察された発現パターンを再現できる能力を示すこと。

提案手法

• 2次元反応拡散PDEモデルが、四肢巣におけるFGF10、FGF8、BMP、WNTおよびそれらの受容体複合体の時空間的ダイナミクスをシミュレートする。
• モデルはヒル関数による非線形フィードバックを組み込み、拡散、分解、受容体-リガンド結合動態を含む。
• 決定木アルゴリズムが、特定の組織（例：外胚葉、AER）における主要成分（例：WNT、FGF8）の局在が正しいかどうかを段階的にテストすることで、パラメータを推定する。
• 方向性の影響（例：ターゲットが欠如している場合に生成速度を増加）に基づき、パラメータを倍増または半減させる。空間パターンが基準と一致するまで繰り返す。
• SNOPTは、アドジョイント法を用いた勾配ベース最適化アルゴリズムであり、シミュレートされた発現パターンとターゲットパターンの差を最小化する適合度関数を用いてパラメータを精緻化する。
• 相対的発現レベルを補正するためのスケーリング要因（λi）を追加のパラメータとして導入し、絶対値制約を回避する。

実験結果

リサーチクエスチョン

• RQ1 決定木ベースのアルゴリズムは、発生の時空間的モデルにおけるパラメータの初期推定を効果的にガイドできるか？
• RQ2 決定木の出力を初期値として用いた場合、SNOPTによる勾配ベース最適化がどの程度モデルの正確性を向上させられるか？
• RQ3 組み合わせた手法は、四肢巣発生で観察される複雑な多成分遺伝子発現パターンを再現できるか？
• RQ4 PDEに基づく発生モデルのパラメータ推定において、計算コストを低減しながらもモデルの忠実性を損なわない方法は何か？
• RQ5 レギュラトリーハイアラルキーに基づく逐次的パラメータ更新が、生物学的に妥当なパラメータ集合への収束に果たす役割は何か？

主な発見

• 決定木手法により、適合度関数は初期パラメータの13,989から5,598に著しく低減され、パターンの忠実度が向上した。
• その後のSNOPT最適化により、適合度関数はさらに4,526に低下し、ターゲットパターン値の3,852に近づいた。
• 最適化されたモデルは、FGF10、FGF8、BMP、WNTの空間的発現パターンを、正しい組織領域（中胚葉、AER、外胚葉）で正確に再現した。
• Hill定数を除外し、最適化中はシミュレーションの精度を落とすことで、計算時間は約24時間から約2時間へ10倍短縮された。
• スケーリング要因（λi）をパラメータとして組み込むことで、絶対濃度値を必要とせずに相対的発現レベルの比較が安定的に行えるようになった。
• 階層的でコンポonentごとのパラメータ推定戦略は、複雑なレギュラトリーネットワークの高次元パラメータ空間を効果的に探索するのに有効であった。