[論文レビュー] Quantitative toxicity prediction using topology based multi-task deep neural networks

Kedi Wu, Guo‐Wei Wei|arXiv (Cornell University)|Dec 9, 2017

Topological and Geometric Data Analysis参考文献 32被引用数 14

ひとこと要約

本論文は、定量的毒性予測のための新しいトポロジカル記述子として、要素別持続的ホモロジー（ESPH）を提案し、マルチタスク深層ニューラルネットワーク（MT-DNN）および物理的記述子と統合している。この手法は、4つのベンチマーク毒性データセットにおいて最先端の性能を達成し、T.E.S.T. や他の既存ツールを上回っており、高い記述子カバレッジと低い計算コストのおかげに、頑健性と広範な適用可能性を示している。

ABSTRACT

The understanding of toxicity is of paramount importance to human health and environmental protection. Quantitative toxicity analysis has become a new standard in the field. This work introduces element specific persistent homology (ESPH), an algebraic topology approach, for quantitative toxicity prediction. ESPH retains crucial chemical information during the topological abstraction of geometric complexity and provides a representation of small molecules that cannot be obtained by any other method. To investigate the representability and predictive power of ESPH for small molecules, ancillary descriptors have also been developed based on physical models. Topological and physical descriptors are paired with advanced machine learning algorithms, such as deep neural network (DNN), random forest (RF) and gradient boosting decision tree (GBDT), to facilitate their applications to quantitative toxicity predictions. A topology based multi-task strategy is proposed to take the advantage of the availability of large data sets while dealing with small data sets. Four benchmark toxicity data sets that involve quantitative measurements are used to validate the proposed approaches. Extensive numerical studies indicate that the proposed topological learning methods are able to outperform the state-of-the-art methods in the literature for quantitative toxicity analysis. Our online server for computing element-specific topological descriptors (ESTDs) is available at http://weilab.math.msu.edu/TopTox/

研究の動機と目的

• 高次元の化学データを伴う小規模でスパースな毒性データセットを扱う際の従来のQSARモデルの限界を克服すること。
• トポロジカル抽象化を通じて、化学的および幾何学的情報を保持する新しい分子記述子のクラスを開発すること。
• 特にマルチタスク深層ニューラルネットワークを用いて、トポロジカル記述子と先進的な機械学習モデルを統合し、定量的毒性分析における予測精度を向上させること。
• 複雑な物理モデルや力場に依存しない、スケーラブルで計算効率が良く、広く適用可能な毒性予測手法を提供すること。

提案手法

• 幾何学的単純化の過程で化学的要素固有の情報を保持するため、要素別持続的ホモロジー（ESPH）を提案し、トポロジカル記述子を生成する。
• 既存の物理モデルに基づく補助的物理的記述子を開発し、トポロジカル特徴の表現力の強化を図る。
• 関連する毒性エンドポイント間で共有表現を活用するマルチタスク深層ニューラルネットワーク（MT-DNN）フレームワークを採用し、小規模データセットにおける一般化性能の向上を図る。
• 複数のアルゴリズムの予測を平均化することでコンSENSUSモデリングを適用し、バイアスを低減し、特に大規模データセットにおいて堅牢性を向上させる。
• モデルの妥当性を検証するために、4つのベンチマーク定量的毒性データセット（LC50（ヒトガラスミナミ）、LC50-DM（ダフィニア・マグナ）、IGC50（テトラヒミナ）、LD50（経口ラット））を用いる。
• 公開用サーバーを http://weilab.math.msu.edu/TopTox/ に設置し、ESTD計算へのアクセスを提供することで、ドラッグおよび環境安全性研究分野における広範な採用を可能にする。

実験結果

リサーチクエスチョン

• RQ1 要素別持続的ホモロジー（ESPH）は、小分子の定量的毒性予測において強力で汎用性の高い記述子として機能できるか？
• RQ2 マルチタスク深層学習と統合されたトポロジカル記述子は、特に小規模またはスパースなデータセットにおいて、予測精度をどのように向上させるか？
• RQ3 トポロジカル記述子と物理的記述子を組み合わせることで、単独で使用する場合と比較して、予測性能が向上するか？
• RQ4 コンセンサスモデリングは、異なるサイズの毒性データセットにおいて、個々のモデルと比較して、堅牢性と精度の面でどのように異なるか？
• RQ5 T.E.S.T. などの既存のツールと比較して、提案手法は最先端の性能を達成できるか？

主な発見

• 提案されたトポロジカルベースのマルチタスク深層ニューラルネットワーク（MT-DNN）モデルは、4つのベンチマーク毒性データセットすべてにおいて、最先端の手法、特にT.E.S.T. コンセンサスモデルを上回っている。
• 物理的記述子と要素別トポロジカル記述子（ESTD）を統合することで、予測精度が顕著に向上し、相補的な情報の獲得が示された。
• MT-DNNモデルは、すべてのデータセットにおいてランダムフォレストや勾配ブースティング決定木のようなアンサンブル手法を常に上回っている。
• コンセンサスモデリングは、より大きなデータセット（LC50、IGC50、LD50）において予測精度を向上させるが、最小のデータセット（LC50-DM）では、記述子の数が多すぎて過学習が生じるため、性能が劣る。
• ESTD記述子は計算的に効率的で、すべての分子においてほぼ100％のカバレッジを達成しており、実世界の応用において極めて実用的である。