[論文レビュー] Inflammatory Bowel Disease Biomarkers of Human Gut Microbiota Selected via Ensemble Feature Selection Methods

Hilal Hacılar, Özkan Ufuk Nalbantoğlu+2 more|arXiv (Cornell University)|Jan 8, 2020

Gut microbiota and health参考文献 23被引用数 10

ひとこと要約

本研究では、メタゲノムデータ上のアンサンブル特徴選択手法を用いて、炎症性腸疾患（IBD）関連の腸内微生物叢バイオマーカーを同定した。教師ありおよび教師なし機械学習を組み合わせ、XGBoost、CMIM、mRMRなどの特徴選択手法を用いることで、特徴次元を低減しつつ高い精度のIBD分類を達成し、10-fold交差検証を用いてXGBoostの有効性を示した。

ABSTRACT

The tremendous boost in the next generation sequencing and in the omics technologies makes it possible to characterize human gut microbiome (the collective genomes of the microbial community that reside in our gastrointestinal tract). While some of these microorganisms are considered as essential regulators of our immune system, some others can cause several diseases such as Inflammatory Bowel Diseases (IBD), diabetes, and cancer. IBD, is a gut related disorder where the deviations from the healthy gut microbiome are considered to be associated with IBD. Although existing studies attempt to unveal the composition of the gut microbiome in relation to IBD diseases, a comprehensive picture is far from being complete. Due to the complexity of metagenomic studies, the applications of the state of the art machine learning techniques became popular to address a wide range of questions in the field of metagenomic data analysis. In this regard, using IBD associated metagenomics dataset, this study utilizes both supervised and unsupervised machine learning algorithms, i) to generate a classification model that aids IBD diagnosis, ii) to discover IBD associated biomarkers, iii) to find subgroups of IBD patients using k means and hierarchical clustering. To deal with the high dimensionality of features, we applied robust feature selection algorithms such as Conditional Mutual Information Maximization (CMIM), Fast Correlation Based Filter (FCBF), min redundancy max relevance (mRMR) and Extreme Gradient Boosting (XGBoost). In our experiments with 10 fold cross validation, XGBoost had a considerable effect in terms of minimizing the microbiota used for the diagnosis of IBD and thus reducing the cost and time. We observed that compared to the single classifiers, ensemble methods such as kNN and logitboost resulted in better performance measures for the classification of IBD.

研究の動機と目的

• 高度な特徴選択技術を用いて、炎症性腸疾患（IBD）に関連する信頼性の高い腸内微生物叢バイオマーカーを同定すること。
• メタゲノムデータにおける機械学習を用いて、IBD診断のための高性能分類モデルを開発すること。
• k-meansおよび階層的クラスタリングなどの教師なしクラスタリング手法を用いて、IBD患者の潜在的サブグループを同定すること。
• 診断の関連性を保持したまま、微生物特徴の次元を低減するための頑健な特徴選択アルゴリズムを用いること。
• アンサンブル手法の性能を、複雑なメタゲノムデータセットにおける分類精度の向上およびバイオマーカー同定の改善の観点から評価すること。

提案手法

• 腸内微生物叢の組成に基づいてIBD状態を分類するために、kNNおよびlogitboostを含む教師あり機械学習モデルを適用した。
• 潜在的なIBD患者のサブグループを同定するために、k-meansおよび階層的クラスタリングを含む教師なしクラスタリング技術を用いた。
• 4つの特徴選択手法を用いた：条件付き相互情報最大化（CMIM）、高速相関ベースフィルタ（FCBF）、最小冗長最大相関（mRMR）、極端な勾配ブースティング（XGBoost）。
• モデルの性能を評価し、データ分割にわたる頑健性を確保するために10-fold交差検証を実施した。
• 高次元のメタゲノム特徴を低減しつつ予測力を維持するため、アンサンブル特徴選択を統合した。
• 複数の機械学習パイプラインを統合することで、バイオマーカー同定および分類精度を向上させた。

実験結果

リサーチクエスチョン

• RQ1 ヒトメタゲノムデータセットにおいて、炎症性腸疾患（IBD）の信頼性の高いバイオマーカーとして機能する腸内微生物分類群は何か？
• RQ2 アンサンブル特徴選択手法は、IBD分類に最も有用な微生物特徴を同定する際に、どのように比較されるか？
• RQ3 教師なしクラスタリングは、腸内微生物叢の組成に基づいて生物学的に意味のあるIBD患者のサブグループを明らかにできるか？
• RQ4 XGBoostは、分類精度を損なわずに、必要な微生物特徴の数をどの程度まで低減できるか？
• RQ5 kNNやlogitboostなどのアンサンブル分類器は、マイクロバイオームデータを用いたIBD診断において、単一分類器をどのように上回るか？

主な発見

• XGBoostは、IBD診断に必要な微生物特徴の数を最も効果的に低減し、費用と時間を顕著に削減した。
• kNNやlogitboostなどのアンサンブル手法は、単一分類器よりも優れた分類性能指標を達成した。
• CMIM、FCBF、mRMR、XGBoostの複数の特徴選択手法の統合により、モデルの頑健性およびバイオマーカーの信頼性が向上した。
• 10-fold交差検証により、全評価モデルにおいて安定的で高い性能の分類結果が確認された。
• 教師なしクラスタリングにより、腸内微生物叢プロファイルに基づいて明確なIBD患者のサブグループが同定された。これは、疾患の異質性の可能性を示唆している。
• 本研究では、IBD状態を強く予測可能な、限定された主要な微生物バイオマーカー群を効果的に同定した。これにより、診断の効率が向上した。