[論文レビュー] ncRNA Classification with Graph Convolutional Networks

Emanuele Rossi, Federico Monti+2 more|arXiv (Cornell University)|May 16, 2019

RNA and protein synthesis mechanisms被引用数 12

ひとこと要約

本稿では、非翻訳的RNA（ncRNA）を、手作業で特徴を抽出せずに、生のRNA折りたたみグラフから直接分類するグラフ畳み込みネットワークRNAGCNを提案する。13個のncRNAファミリーにおいて、85.73%の正確性と85.61%のF1スコアを達成した。エッジに注意を払う畳み込みとアテンションベースのグローバルプーリングを活用することで、nRCなどの先行研究を上回る性能を発揮した。

ABSTRACT

Non-coding RNA (ncRNA) are RNA sequences which don't code for a gene but instead carry important biological functions. The task of ncRNA classification consists in classifying a given ncRNA sequence into its family. While it has been shown that the graph structure of an ncRNA sequence folding is of great importance for the prediction of its family, current methods make use of machine learning classifiers on hand-crafted graph features. We improve on the state-of-the-art for this task with a graph convolutional network model which achieves an accuracy of 85.73% and an F1-score of 85.61% over 13 classes. Moreover, our model learns in an end-to-end fashion from the raw RNA graphs and removes the need for expensive feature extraction. To the best of our knowledge, this also represents the first successful application of graph convolutional networks to RNA folding data.

研究の動機と目的

• RNA二次構造の構造的トポロジーを活用することで、ncRNA分類の正確性を向上させること。
• 従来の手法で用いられる手作業によるグラフ特徴抽出の必要性を排除すること。
• 初めて、RNA折りたたみグラフに直接、グラフニューラルネットワーク（特にGCN）を適用すること。
• 生のRNAグラフから階層的かつ文脈に配慮した表現を学習し、分類性能を向上させるモデルを開発すること。
• エンドツーエンドのディープラーニングアプローチにより、ベンチマーク用ncRNA分類データセットで最先端の性能を達成すること。

提案手法

• モデルはRNA配列をグラフとして処理し、ノードはヌクレオチド、エッジはリン酸エステル結合（黒）と水素結合（赤）を表す。
• 初期埋め込み層により、各ヌクレオチドが学習可能な連続的ベクトル表現にマッピングされる。
• バッチ正規化とLeaky-ReLU活性化関数を備えた複数のグラフ畳み込み層が、メッセージパッシングを通じてノードレベルの特徴を精錬する。
• エッジに注意を払う畳み込みは、特徴伝搬中に異なる結合タイプ（リン酸エステル結合対水素結合）を明示的にモデル化する。
• 異なるiableLSTMを用いたset2setプーリング層が、ノードに対するアテンションを活用してノード表現を集約し、グローバルなグラフレベルの埋め込みを生成する。
• 最終的な全結合層とソフトマックスにより、13個のncRNAファミリーの分類確率が得られる。

実験結果

リサーチクエスチョン

• RQ1 グラフ畳み込みネットワークは、手作業で特徴を抽出しない生のRNA折りたたみグラフから、特徴抽出に頼らないncRNA分類を効果的に学習できるか？
• RQ2 リン酸エステル結合と水素結合を区別するエッジに注意を払う畳み込みを組み込むことで、分類性能が向上するか？
• RQ3 アテンションベースのグローバルプーリング機構は、RNAグラフ内の機能的に重要なノードに注目することで、表現学習を改善できるか？
• RQ4 RNAグラフにGCNをエンドツーエンドで訓練することで、nRC や RNACon といった特徴工学ベースのベースラインを上回る性能が得られるか？
• RQ5 GCNベースのモデルは、標準的なncRNA分類ベンチマークにおいて、既存の最先端手法に比べてどの程度の性能向上を達成するか？

主な発見

• RNAGCNは13クラスのテストセット（test13）で85.73%のテスト正確性を達成し、nRCの81.81%を顕著に上回った。
• 12クラスのテストセット（test12）では85.29%の正確性を達成し、RNACon（37.17%）およびnRC（81.04%）を上回った。
• test13ではF1スコア85.61%、test12では86.30%を記録し、指標全体にわたる一貫した改善が確認された。
• MCCスコアはtest13で84.59%、test12で84.07%に達し、予測値と真のラベルの間に強い相関があることを示した。
• モデルの性能向上は、生のグラフからのエンドツーエンド学習と、生物学的に関連するノードに注目するアテンションベースのプーリングに起因する。
• アブレーションスタディにより、エッジに注意を払う畳み込みとアテンションプーリングが、性能向上に不可欠であることが確認された。