[論文レビュー] Novel Method for Mutational Disease Prediction using Bioinformatics Techniques and Backpropagation Algorithm

Ayad Ghany Ismaeel, Anar Auda Ablahad|arXiv (Cornell University)|Mar 3, 2013

Genetics, Bioinformatics, and Biomedical Research参考文献 9被引用数 9

ひとこと要約

本論文は、配列アラインメントツール（FASTA、CLUSTALW）とバックプロパゲーションニューラルネットワークを組み合わせた画期的なバイオインフォマティクス手法を提案し、特に乳がんを含む変異疾患を予測する。患者のタンパク質配列をリファレンスの疾患関連タンパク質（例：BRCA1/BRCA2）と比較することで、悪性変異を分類し、学習における平均二乗誤差が0.0000001に達する成功した予測を達成した。

ABSTRACT

Cancer is one of the most feared diseases in the world it has increased disturbingly and breast cancer occurs in one out of eight women, the prediction of malignancies plays essential roles not only in revealing human genome, but also in discovering effective prevention and treatment of cancers. Generally cancer disease driven by somatic mutations in an individual DNA sequence, or genome that accumulates during the lifetime of person. This paper is proposed a novel method can predict the disease by mutations despite The presence in gene sequence is not necessary it are malignant, so will be compare the protein of patient with the gene's protein of disease if there is difference between these two proteins then can say there is malignant mutations. This method will use bioinformatics techniques like FASTA, CLUSTALW, etc which shows whether malignant mutations or not, then training the backpropagation algorithm using all expected malignant mutations for a certain genes (e.g. BRCA1 and BRCA2) of disease, and using it to test whether patient is holder the disease or not. Implementing this novel method as the first way to predict the disease based on mutations in the sequence of the gene that causes the disease shows two decisions are achieved successfully, the first diagnose whether the patient has mutations of cancer or not using bioinformatics techniques the second classifying these mutations are related to breast cancer (e.g. BRCA1 and BRCA2) using backpropagation with mean square rate 0.0000001. Keywords-Gene sequence; Protein; Deoxyribonucleic Acid DNA; Malignant mutation; Bioinformatics; Back-propagation algorithm.

研究の動機と目的

• 遺伝子の存在に依存せず、遺伝的変異に基づいて変異疾患を予測する新しい手法を開発すること。
• 患者のタンパク質配列を既知の疾患関連タンパク質（例：BRCA1、BRCA2）と比較することで悪性変異を特定すること。
• バイオインフォマティクスツール（FASTA、CLUSTALW）を用いて悪性を示す配列差異を同定すること。
• BRCA1およびBRCA2遺伝子由来の既知の悪性変異を用いてバックプロパゲーションニューラルネットワークを学習させること。
• 機械学習を用いてがん関連変異を正確に診断・分類すること。

提案手法

• 患者とリファレンスタンパク質配列間のアラインメントにFASTAおよびCLUSTALWを用いる。
• 患者タンパク質配列をワイルドタイプの疾患関連タンパク質（例：BRCA1、BRCA2）と比較し、差異を検出する。
• 構造的および配列的変異に基づいて、潜在的な悪性変異を同定する。
• BRCA1およびBRCA2遺伝子由来の既知の悪性変異を用いてバックプロパゲーションニューラルネットワークを学習させる。
• ネットワークの収束を図るために、学習中に平均二乗誤差率0.0000001を採用する。
• 学習済みネットワークを用いて、新たな患者配列が疾患関連変異を有するか否かを分類する。

実験結果

リサーチクエスチョン

• RQ1 患者とリファレンス遺伝子間のタンパク質配列差異は、悪性変異を信頼性高く示唆できるか？
• RQ2 FASTAやCLUSTALWなどのバイオインフォマティクスツールは、遺伝子の存在を要件とせず、生物学的に有意義な変異を検出できるか？
• RQ3 バックプロパゲーションニューラルネットワークは、学習データに基づいて変異を病原性または無害と効果的に分類できるか？
• RQ4 提案手法は、BRCA1/BRCA2関連変異と非病原的バリアントを区別できるか？
• RQ5 最小限の入力データで、このアプローチは変異疾患を高い精度で予測できるか？

主な発見

• バイオインフォマティクス的手法による配列比較により、患者ががん関連変異を有するかを成功裏に診断した。
• バックプロパゲーションニューラルネットワークは、平均二乗誤差0.0000001で安定した学習を達成した。
• 患者とリファレンスタンパク質間の配列差異が、悪性変異の指標として用いられた。
• 本手法は、BRCA1およびBRCA2遺伝子関連変異の分類において実用可能性を示した。
• アラインメントツールとニューラルネットワークの統合により、検出と分類の二段階予測が可能になった。
• 本手法は、遺伝子の存在に依存しない画期的な変異疾患予測アプローチを提供した。