[論文レビュー] Large scale modeling of antimicrobial resistance with interpretable classifiers

Alexandre Drouin, Frédéric Raymond+4 more|arXiv (Cornell University)|Dec 3, 2016

Antibiotic Resistance in Bacteria参考文献 22被引用数 8

ひとこと要約

本論文は、PATRICデータベースを用いて全ゲノム配列から抗菌薬耐性（AMR）を予測するための、Set Covering Machines（SCM）の大規模応用を提示している。高い精度と解釈可能性を達成しており、既知の耐性メカニズムに関連するスパースで生物学的に意味のあるk-merパターンを同定している。大規模データセット上で効率的に学習されたモデルは、Kover AMR Platformを用いて可視化されている。

ABSTRACT

Antimicrobial resistance is an important public health concern that has implications in the practice of medicine worldwide. Accurately predicting resistance phenotypes from genome sequences shows great promise in promoting better use of antimicrobial agents, by determining which antibiotics are likely to be effective in specific clinical cases. In healthcare, this would allow for the design of treatment plans tailored for specific individuals, likely resulting in better clinical outcomes for patients with bacterial infections. In this work, we present the recent work of Drouin et al. (2016) on using Set Covering Machines to learn highly interpretable models of antibiotic resistance and complement it by providing a large scale application of their method to the entire PATRIC database. We report prediction results for 36 new datasets and present the Kover AMR platform, a new web-based tool allowing the visualization and interpretation of the generated models.

研究の動機と目的

• ゲノムデータから抗菌薬耐性を予測するための、高解釈性を持つ機械学習手法の開発およびスケーリング。
• 限られたトレーニング例と高次元のゲノムスクリーニングデータの課題に対処するため、スパースでルールベースのモデルを活用する。
• 細菌ゲノム内のk-merパターンを通じて、既知の耐性メカニズムを同定する生物学的に解釈可能なモデルを生成する。
• スケーラブルでウェブベースのプラットフォームを用いて、モデルの可視化と解釈を可能にすることで、臨床的および研究的利用を促進する。
• 静的で解釈不能なモデルに代わって、新たなゲノムデータに適応可能な動的かつ進化する予測モデルを構築する。

提案手法

• 全k-mer（k=6–8）を用いて、バクテリアゲノムをバイナリーフィーチャーベクトルに変換し、各k-merの存在／非存在を表現する。
• 最小限のk-mer集合を用いて耐性または感受性を予測するスパースでバイナリの分類器としてのSet Covering Machine（SCM）を適用する。
• Koverを用いたアウトオブコア実装により、PATRICデータベースの52,000例を超えるゲノムにスケーリングし、メモリおよび計算コストを最小限に抑える。
• k-merをモデルに組み込むためにBLASTを用い、既知の耐性遺伝子（例：gyrA、katG、rpoB）とリンクさせ、生物学的妥当性を検証する。
• ペアドされたゲノム配列と感受性のMICデータを用いてモデルを学習し、CLSI/EUCASTのブレークポイントによりラベルを定義する。
• 36の新しいデータセットを用いてモデルのパフォーマンスを検証し、精度、AUC、F1スコアを報告する。

実験結果

リサーチクエスチョン

• RQ1 k-merパターンに基づくスパースで解釈可能なモデルは、多様な細菌種および抗菌薬に対して、正確に抗菌薬耐性を予測できるか？
• RQ2 AMR予測に一般的な高次元でサンプル数が少ないゲノムスクリーニング環境において、Set Covering Machineはどの程度の性能を示すか？
• RQ3 学習されたk-merルールは、どの程度既知の生物学的耐性メカニズムに対応しているか？
• RQ4 解釈可能性や精度を損なわず、PATRICのような大規模で進化し続けるゲノムデータベースにも、この手法は効率的にスケーリング可能か？
• RQ5 ブラックボックス予測モデルと比較して、モデルの解釈可能性は臨床的および生物学的洞察をどのように向上させるか？

主な発見

• SCMは36の新しいデータセットで高い精度（最大96%）を達成し、一部のケースでは非常に小さなトレーニングセットにもかかわらず100%の精度を示した。
• モデルは非常に解釈可能であり、k-merルールが既知の耐性遺伝子と直接関連していた。例として、M. tuberculosisにおいてgyrAのk-merが欠落していると、モキシフロキサシン耐性が予測され、誤差率はたった4%にとどまった。
• 数万のk-merを含む高次元空間においても、最小限の過学習で強く、一般化性能に優れた性能を維持した。
• トレーニング時間はデータセットサイズに比例し、1つのCPUコアで8秒から18分の範囲で、メモリ使用量は1GB未満に抑えられた。
• Kover AMR Platformにより、研究者が異なる細菌種および抗菌薬の間でモデルをインタラクティブに探索でき、耐性ルールの可視化と検証が可能になった。
• 高い特異度を示したが、一部のモデルでは感度が低く、集団構造や生物学的経路の知識を統合することでさらなる改善が可能であると考えられた。