[論文レビュー] Predicting the Plant Root-Associated Ecological Niche of 21 Pseudomonas Species Using Machine Learning and Metabolic Modeling

Jennifer Chien, Peter Larsen|arXiv (Cornell University)|Jan 11, 2017

Genomics and Phylogenetic Studies被引用数 5

ひとこと要約

本研究では、ゲノムスケール代謝モデリングと機械学習を統合し、21種のパセウドモナス属菌の生態的ニッチ（根圏またはエンドオスフィア）を予測した。媒体依存の代謝モデルを用いたフラックスバランス分析（FBA）により、サポートベクターマシン（SVM）はエンドオスフィア予測でFスコア0.97、根圏予測で0.8を達成し、ゲノムベースのモデルやPRMTよりも優れた性能を示した。これは、媒体に配慮した代謝モデリングが、ニッチ固有の代謝能力をより効果的に捉えられることを示している。

ABSTRACT

Plants rarely occur in isolated systems. Bacteria can inhabit either the endosphere, the region inside the plant root, or the rhizosphere, the soil region just outside the plant root. Our goal is to understand if using genomic data and media dependent metabolic model information is better for training machine learning of predicting bacterial ecological niche than media independent models or pure genome based species trees. We considered three machine learning techniques: support vector machine, non-negative matrix factorization, and artificial neural networks. In all three machine-learning approaches, the media-based metabolic models and flux balance analyses were more effective at predicting bacterial niche than the genome or PRMT models. Support Vector Machine trained on a minimal media base with Mannose, Proline and Valine was most predictive of all models and media types with an f-score of 0.8 for rhizosphere and 0.97 for endosphere. Thus we can conclude that media-based metabolic modeling provides a holistic view of the metabolome, allowing machine learning algorithms to highlight the differences between and categorize endosphere and rhizosphere bacteria. There was no single media type that best highlighted differences between endosphere and rhizosphere bacteria metabolism and therefore no single enzyme, reaction, or compound that defined whether a bacteria's origin was of the endosphere or rhizosphere.

研究の動機と目的

• 媒体依存の代謝モデルが、ゲノムベースまたは媒体非依存のモデルと比較して、細菌の生態的ニッチ予測における機械学習の性能を向上させるかどうかを検証すること。
• サポートベクターマシン（SVM）、非負値行列分解（NMF）、および人工ニューラルネットワーク（ANN）のうち、どの機械学習手法がパセウドモナス属菌が根圏またはエンドオスフィアに生息するかを分類する際に最も高い予測精度を示すかを特定すること。
• 根付着パセウドモナス属菌におけるニッチ特化を特徴付ける特定の代謝物質や代謝経路が存在するかどうかを評価すること。
• 最小媒体上でのフラックスバランス分析（FBA）の予測能が、エンドオトロフィックおよび根圏生活様式を区別するのにどの程度有効であるかを評価すること。

提案手法

• KBaseを用いて21種のパセウドモナス属菌のゲノムスケール代謝モデル（GEM）を構築し、媒体依存の制約を付加してアノテートした。
• 12種の異なる最小媒体上でフラックスバランス分析（FBA）を実施し、異なる栄養条件下での代謝表現型をシミュレートした。
• FBAで予測されたフラックス分布を用いて、サポートベクターマシン（SVM）、非負値行列分解（NMF）、および人工ニューラルネットワーク（ANN）の3つの機械学習モデルを訓練した。
• エンドオスフィアと根圏ニッチを区別するのに最も寄与する主要な代謝物質および反応を特定するために特徴選択を実施した。
• 全種および全媒体タイプにおいて、Fスコア、精度、再現率を用いてモデルの性能を評価した。
• 媒体依存モデルの結果を、媒体非依存モデルおよびゲノムベースの系統樹（PRMT）の結果と比較した。

実験結果

リサーチクエスチョン

• RQ1 媒体依存の代謝モデリングを組み込むことで、ゲノムのみまたは媒体非依存モデルと比較して、細菌の生態的ニッチ予測における機械学習の性能が向上するか？
• RQ2 サポートベクターマシン（SVM）、非負値行列分解（NMF）、および人工ニューラルネットワーク（ANN）のうち、どの機械学習アルゴリズムがパセウドモナス属菌のエンドオスフィアまたは根圏ニッチへの分類において最高の予測精度を示すか？
• RQ3 複数の媒体条件下で一貫してエンドオトロフィックと根圏パセウドモナス属菌を区別する特定の代謝物質や代謝経路が存在するか？
• RQ4 エンドオスフィアと根圏パセウドモナス属菌の代謝的差異を最も顕著に示す最適な媒体条件が1つ存在するか？

主な発見

• マンノース、プロリン、バリンを含む最小媒体を用いたフラックス分布を学習データとして使用したサポートベクターマシン（SVM）が、エンドオスフィア分類でFスコア0.97、根圏分類で0.8を達成し、最高の性能を示した。
• 媒体に基づく代謝モデルは、ゲノムのみのモデルやPRMTに基づく系統樹よりも顕著に優れた生態的ニッチ予測性能を示した。
• 全媒体タイプにわたって一貫してニッチ起源を予測できる代謝物質、反応、または酵素は存在しなかった。これは、代謝的ニッチ特化が文脈依存的であることを示している。
• FBAと機械学習を統合することで、静的なゲノム的特徴よりも、特定の栄養条件下での代謝能力がニッチ予測により有用であることが明らかになった。
• 本研究では、媒体に配慮した代謝モデリングが代謝産物群の包括的把握を可能にし、エンドオトロフィックと根圏生活様式の区別をより効果的に行えることを示した。
• 3つの機械学習手法の中で、SVMが最も安定した性能を示し、特に媒体特異的な代謝表現型を学習データとして用いた場合に顕著であった。