[論文レビュー] Network embedding unveils the hidden interactions in the mammalian virome

Timothée Poisot, Marie-Andrée Ouellet+8 more|arXiv (Cornell University)|May 31, 2021

HIV Research and Treatment被引用数 4

ひとこと要約

本研究では、線形フィルタリングと特異値分解を組み合わせた新しいLF-SVD手法を導入し、哺乳類のバイロームにおける隠れた・実現されていない宿主-ウイルス相互作用を予測する。ネットワーク構造と低ランク補完を活用することで、生物学的に妥当な関連性が回復され、アマゾンが未採取バイローム多様性の世界的なホットスポットであることが明らかになり、グラフ埋め込みによるウイルス特徴を統合することでズーンオティック感染リスクの予測が向上する。

ABSTRACT

At most 1-2% of the global virome has been sampled to date. Recent work has shown that predicting which host-virus interactions are possible but undiscovered or unrealized is, fundamentally, a network science problem. Here, we develop a novel method that combines a coarse recommender system (Linear Filtering; LF) with an imputation algorithm based on low-rank graph embedding (Singular Value Decomposition; SVD) to infer host-virus associations. This combination of techniques results in informed initial guesses based on directly measurable network properties (density, degree distribution) that are refined through SVD (which is able to leverage emerging features). Using this method, we recovered highly plausible undiscovered interactions with a strong signal of viral coevolutionary history, and revealed a global hotspot of unusually unique but unsampled (or unrealized) host-virus interactions in the Amazon rainforest. We develop several tests for quantifying the bias and realism of these predictions, and show that the LF-SVD method is robust in each aspect. We finally show that graph embedding of the imputed network can be used to improve predictions of human infection from viral genome features, showing that the global structure of the mammal-virus network provides additional insights into human disease emergence.

研究の動機と目的

• 現在のところ1-2%未満しか採取済みでないグローバルバイロームの理解における重要なギャップを埋めるため。
• 高スパarsityで部分的に観測されたネットワークにおいて、生物学的に妥当だが実現されていない宿主-ウイルス相互作用を予測するため。
• 宿主-ウイルス関連性に内在する共進化シグナルを保持しつつ、ネットワーク予測におけるサンプリングバイアスを低減するため。
• ウイルスゲノムベースのモデルにグローバルネットワーク構造を統合することでズーンオティック感染リスクの予測を向上させるため。
• 補完されたネットワークからのグラフ埋め込み特徴が、哺乳類ウイルスのヒト感染リスク予測の精度を向上させるかどうかを検証するため。

提案手法

• LF-SVD手法は、線形フィルタリング（LF）を用いて、ネットワーク特性（インデグリー、アウトデグリー、接続度）に基づき初期の相互作用確率を生成する。
• 特異値分解（SVD）を、ネットワーク隣接行列の低ランク近似に適用することで、欠損または実現されていない相互作用を補完する。
• 最適な行列ランク（最良のモデルではランク12）を選択し、度数よりも接続度を重みづけすることで、情報の使用を最適化するようにモデルを調整する。
• 観測済みおよび補完済みの両方のネットワークに対して、ランダムドット積分グラフ分解を用いてグラフ埋め込みを実施し、左特異部分空間から潜在的特徴（12次元）を抽出する。
• これらの潜在的特徴をウイルスゲノム構成指標と組み合わせ、勾配ブースティングツリーモデルを訓練してズーンオティック可能性を予測する。
• データ漏洩を防ぐために、埋め込み生成時にヒトにのみ関連する宿主およびウイルスは除外され、モデルの性能は繰り返し1000回のトレイン-キャリブレーション-テスト分割を用いて検証される。

実験結果

リサーチクエスチョン

• RQ1 スパarselyサンプリングされたバイロームにおいて、ネットワークベースの手法が生物学的に妥当だが実現されていない宿主-ウイルス相互作用を推定できるか？
• RQ2 LF-SVD手法は、サンプリングバイアスの影響を低減しつつ、宿主-ウイルス関連性に内在する進化的シグナルを保持できるか？
• RQ3 補完されたネットワークの分析から示唆されるように、アマゾン熱帯雨林は未発見の宿主-ウイルス相互作用の世界的なホットスポットであるか？
• RQ4 補完されたネットワークから得られるグラフ埋め込み特徴は、ウイルスゲノム構成のみから得られる予測を向上させることができるか？
• RQ5 グローバルネットワーク構造を統合することで、ヒトに感染可能な哺乳類ウイルスを特定するモデルの精度が向上するか？

主な発見

• LF-SVD手法は、既知の宿主-ウイルス相互作用を予測する際、ROC-AUCが0.84に達し、部分的に観測されたネットワークにおいても優れた予測性能を示した。
• 補完により予測された相互作用数が約15倍に増加した。これは、以前に検出されなかった、あるいは実現されていなかった宿主-ウイルス関連性の巨大な貯水池が存在することを示唆している。
• アマゾン熱帯雨林は、他の地域と比較してウイルス集団構成の独自性が顕著に高いことから、未採取の特異的で独自の宿主-ウイルス相互作用の世界的なホットスポットとして浮き彫りになった。
• モデルは、補完後、受動的サンプリングバイアスの影響を顕著に低減した。引用回数の影響が補完後、ウイルス多様性の予測に弱くなったことから、予測のバイアスが低減されたと示された。
• 補完されたネットワークからのグラフ埋め込み特徴はズーンオティックリスク予測を向上させた。最良のモデルでは、ウイルスゲノム特徴と補完済みネットワーク埋め込み特徴を組み合わせた場合、ROC-AUCが上昇した。
• 最終モデルは、ゲノム構成と補完済みネットワーク埋め込み特徴を用いて訓練され、上位のモデルをアンサンブル平均することで、612種のウイルスのヒト感染確率をより高い精度で予測した。