[論文レビュー] Peak Detection On Data Independent Acquisition Mass Spectrometry Data With Semisupervised Convolutional Transformers

Leon L. Xu, Hannes Röst|arXiv (Cornell University)|Oct 26, 2020

Mass Spectrometry Techniques and Applications被引用数 4

ひとこと要約

本論文は、データに依存しない分析（DIA）LC-MSデータにおけるピーク検出のための半教師あり畳み込みTransformerモデルを提案する。畳み込みニューラルネットワーク（CNN）を用いて局所的特徴を抽出し、自己注意機構を用いて多次元時系列における長距離依存関係を捉える。この手法は、ベンチマークDIAデータセットにおいて最先端の性能を達成し、ベースラインのニューラルネットワークや手動アノテーションを基準として用いた既存の自動ピーク検出ツールを上回る。

ABSTRACT

Liquid Chromatography coupled to Mass Spectrometry (LC-MS) based methods are commonly used for high-throughput, quantitative measurements of the proteome (i.e. the set of all proteins in a sample at a given time). Targeted LC-MS produces data in the form of a two-dimensional time series spectrum, with the mass to charge ratio of analytes (m/z) on one axis, and the retention time from the chromatography on the other. The elution of a peptide of interest produces highly specific patterns across multiple fragment ion traces (extracted ion chromatograms, or XICs). In this paper, we formulate this peak detection problem as a multivariate time series segmentation problem, and propose a novel approach based on the Transformer architecture. Here we augment Transformers, which are capable of capturing long distance dependencies with a global view, with Convolutional Neural Networks (CNNs), which can capture local context important to the task at hand, in the form of Transformers with Convolutional Self-Attention. We further train this model in a semisupervised manner by adapting state of the art semisupervised image classification techniques for multi-channel time series data. Experiments on a representative LC-MS dataset are benchmarked using manual annotations to showcase the encouraging performance of our method; it outperforms baseline neural network architectures and is competitive against the current state of the art in automated peak detection.

研究の動機と目的

• 複雑で高次元なDIA LC-MSデータにおける正確なピーク検出の課題に対処すること。これは定量的プロテオミクスにおいて不可欠である。
• 畳み込み層による局所的文脈モデリングと、Transformerにおける自己注意機構によるグローバルなシーケンスモデリングを統合することで、既存のディープラーニングモデルを改善すること。
• 画像認識分野の最先端の半教師あり学習技術を、プロテオミクスにおける多次元時系列に適応し、限られたラベル付きデータを効果的に活用すること。
• 標準的なニューラルネットワークアーキテクチャを上回り、実世界のDIAデータセットにおいて自動ピーク検出の分野で最先端の性能を達成する手法を開発すること。

提案手法

• モデルは畳み込み層と自己注意機構を組み合わせたハイブリッドアーキテクチャを採用し、『畳み込み自己注意』と呼ばれる手法により、多次元時系列における局所的および長距離依存関係を同時にモデル化する。
• ピーク検出を、各チャネルが特定のm/z値の抽出イオンクロマトグラム（XIC）に対応する多次元時系列のセグメンテーションタスクとして定式化する。
• ラベル付きデータ（手動でアノテートされたピーク）と大量のラベルなしデータを組み合わせて、一般化性能を向上させる半教師あり学習でモデルを訓練する。
• 画像分類分野における最先端の半教師あり学習技術—特に一貫性正則化と偽ラベル化—を、マルチチャネル時系列設定に適応する。
• 時間的関係をモデル化するために、学習可能な位置エンコーディングを用いたマルチヘッドアテンションを採用する。
• 最終出力は、各XICごとのピークセグメンテーション列であり、モデルのアテンションヘッドおよび分類ヘッドから得られる信頼度スコアを含む。

実験結果

リサーチクエスチョン

• RQ1 標準的なディープラーニングモデルと比較して、畳み込み-Transformerハイブリッドアーキテクチャは、DIA LC-MSデータにおけるピーク検出性能を向上させることができるか？
• RQ2 コンピュータビジョン分野の半教師あり学習技術は、プロテオミクスにおける多次元時系列にどの程度効果的に転送可能か？
• RQ3 局所的（畳み込み）およびグローバル（自己注意）モデリングを統合することで、DIAデータにおける複雑で重なったペプチドシグナルの検出が向上するか？
• RQ4 ベンチマークデータセットにおいて、提案手法は、正確度、再現度、F1スコアの観点から、既存の最先端のピーク検出ツールと比較してどの程度の性能を示すか？

主な発見

• 提案手法は、代表的なDIA LC-MSデータセットにおいて、ベースラインのニューラルネットワークアーキテクチャを上回るピーク検出精度を達成した。
• 手動アノテーションを基準にしたF1スコアで、現在の最先端の自動ピーク検出手法と同等またはそれ以上の性能を示した。
• 半教師あり学習戦略により、ラベル付きデータが限られている状況でも、モデルの一般化性能が顕著に向上した。
• 畳み込み層と自己注意機構の統合により、保持時間にわたる局所的シグナルパターンと長距離依存関係の両方をよりよくモデル化できた。
• ノイズや重なったピークに対する耐性があり、DIAデータの一般的な課題に強く対応した。
• アブレーションスタディにより、畳み込み部および自己注意部の両方が最終的な性能に有意に寄与していることが確認された。