[論文レビュー] Pathway-based feature selection algorithms identify genes discriminating patients with multiple sclerosis apart from controls

Lei Zhang, Linlin Wang+2 more|arXiv (Cornell University)|Aug 6, 2015

Gene expression and cancer classification参考文献 44被引用数 4

ひとこと要約

本研究では、マクロアレイデータを用いて複数のサイトスケール疾患（MS）患者と健常対照群を区別する遺伝子を同定するために、経路情報を統合したSAM-GSR特徴選択アルゴリズムの修正版を提案する。生物学的経路を事前知識として活用することで、独立したテストセットにおいて高い分類精度を達成し、経路に基づく特徴選択が複雑なゲノムデータにおける判別力を向上させることを示している。

ABSTRACT

Introduction The focus of analyzing data from microarray experiments and extracting biological insight from such data has experienced a shift from identification of individual genes in association with a phenotype to that of biological pathways or gene sets. Meanwhile, feature selection algorithm becomes imperative to cope with the high dimensional nature of many modeling tasks in bioinformatics. Many feature selection algorithms use information contained within a gene set as a biological priori, and select relevant features by incorporating such information. Thus, an integration of gene set analysis with feature selection is highly desired. Significance analysis of microarray to gene-set reduction analysis (SAM-GSR) algorithm is a novel direction of gene set analysis, aiming at further reduction of gene set into a core subset. Here, we explore the feature selection trait possessed by SAM-GSR and then modify SAM-GSR specifically to better fulfill this role. Results and Conclusions Training on a multiple sclerosis (MS) microarray data using both SAM-GSR and our modification of SAM-GSR, excellent discriminative performance on an independent test set was achieved. To conclude, absorbing biological information from a gene set may be helpful for classification and feature selection. Discussion Given the fact the complete pathway information is far from completeness, a statistical method capable of constructing biologically meaningful gene networks is in demand. The basic requirement is that interplay among genes must be taken into account.

研究の動機と目的

• 高次元ゲノムデータにおけるMS関連遺伝子同定の課題に対処すること。
• 生物学的に意味のある遺伝子群を事前知識として組み込むことで特徴選択を改善すること。
• SAM-GSRアルゴリズムを改良し、MS研究における分類性能を向上させること。
• 経路に基づいた特徴選択がより強固で生物学的に関連性のある遺伝子サブセットをもたらすかどうかを評価すること。

提案手法

• 本研究では、特徴選択を遺伝子セットの豊富度の向上よりも優先するようにSAM-GSRアルゴリズムを修正し、分類性能を最適化する。
• 生物的前知識として、キュレートされた遺伝子セットからの経路情報を用いて特徴選択をガイドする。
• 統計的有意性検定を適用し、MS患者と対照群を最もよく区別する経路内のコアな遺伝子サブセットを同定する。
• アルゴリズムは公開のMSマクロアレイデータセットで学習され、独立したテストセットで検証される。
• 特徴選択は、有意性分析からのp値と遺伝子セットへの所属関係を統合することで実施され、生物学的に関連性のある経路内の遺伝子が強調される。
• 汎化性能を評価するために、保持されたテストセット上で標準的な指標を用いて分類性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 従来の手法と比較して、経路ベースの特徴選択はMS関連遺伝子の同定を改善できるか？
• RQ2 特徴選択に生物学的経路知識を統合することで、MSマクロアレイデータにおける分類精度が向上するか？
• RQ3 修正されたSAM-GSRアルゴリズムは、元のバージョンと比較して判別性能においてどのように異なるか？
• RQ4 どの経路内コア遺伝子サブセットがMS患者と対照群を区別するために最も情報量が多いか？

主な発見

• 修正されたSAM-GSRアルゴリズムは、独立したテストセットで優れた判別性能を示し、強い汎化能力を示している。
• 経路情報の統合により、生物学的に関連性のある遺伝子に焦点を当てた特徴選択が顕著に向上した。
• 本手法は、解釈可能性を高めるために遺伝子セットをコアな特徴的な遺伝子サブセットにまで縮小するのに成功した。
• 生物学的前知識（例：遺伝子セット）が、高次元ゲノムデータにおける分類性能を著しく向上させられることを示している。