[論文レビュー] Signed iterative random forests to identify enhancer-associated transcription factor binding

Karl Kumbier, Sumanta Basu+5 more|arXiv (Cornell University)|Oct 16, 2018

Genomics and Chromatin Dynamics参考文献 29被引用数 14

ひとこと要約

本論文は、Drosophila melanogasterにおけるエンハンサー活性化に関連する、転写因子（TF）の増強および不活性化の組み合わせ的パターン（符号付き相互作用）を同定する、教師ありで解釈可能な機械学習手法である符号付き反復的ランダムフォレスト（siRF）を提案する。ChIP-seqデータとエンハンサー活性スコアを用いて学習することで、684個の高次元TF相互作用（発達段階をまたいで505個が固有）を同定し、機能的エンハンサーを予測する際の高い精度（AUCが最大0.94）を達成した。また、標準的なピークコール手法と比較して偽陽性が低減された、ゲノムワイドな機能的ピーク予測を生成した。

ABSTRACT

Standard ChIP-seq peak calling pipelines seek to differentiate biochemically reproducible signals of individual genomic elements from background noise. However, reproducibility alone does not imply functional regulation (e.g., enhancer activation, alternative splicing). Here we present a general-purpose, interpretable machine learning method: signed iterative random forests (siRF), which we use to infer regulatory interactions among transcription factors and functional binding signatures surrounding enhancer elements in Drosophila melanogaster.

研究の動機と目的

• 標準的なChIP-seqピークコール法には、生物学的に再現可能なシグナルは同定できるが、必ずしも機能的に関連するレギュラトリ相互作用を特定できないという限界があることに対処する。
• TFバインディングパターンを統合した、高次元で解釈可能なエンハンサー調節モデルを構築する。これにより、協同的および競合的TF相互作用を捉える。
• 単に再現性に依存するのではなく、エンハンサー活性と統計的に関連する機能的バインディングイベント（機能的ピーク）を予測する。
• Drosophilaの発達段階にわたって、エンハンサー活性化に関連する符号付き相互作用（TFの増強／不活性化パターン）を体系的に同定・順位付けする。
• エンハンサー媒介遺伝子調節におけるレギュラトリック論理のゲノムワイドな同定に一般応用可能な、解釈可能なフレームワークを提供する。

提案手法

• siRFは、反復的ランダムフォレスト（iRF）を拡張し、符号付き相互作用検出を組み込む。各相互作用は、特定の増強または不活性化パターンを示すTFの組み合わせを符号化する。
• 本手法は、7,705個のゲノム領域を対象に、5つの発達段階でエンハンサー強度がスコア付けされた、生のChIP-seqシグナルからエンハンサー活性を予測するランダムフォレストを学習する。
• 符号付き相互作用は、フォレスト全体で安定した意思決定ルールから導出され、同時に存在するか、または互いに排除し合うTFの組み合わせがエンハンサー活性と相関することを表す。
• 機能的ピークスコアは、各符号付き相互作用の意思決定ルールをすべてのゲノム領域に適用することで生成され、仮説的な機能的バインディングイベントのゲノムワイドマップが得られる。
• ノイズ除去のためのノルム重要度に基づくフィルタリングステップを実施することで、誤検出を低減し、陽性予測値を向上させる。
• ピークコールを、生化学的再現性を超えて機能的でないバインディングを区別する、教師あり特徴選択問題として扱う。

実験結果

リサーチクエスチョン

• RQ1 教師あり機械学習アプローチは、単なるピーク再現性を超えて、予測可能な高次元で解釈可能な転写因子相互作用を同定できるか？
• RQ2 特に協同的および競合的バインディングを示すTFの増強・不活性化パターンは、Drosophila胚発生における機能的エンハンサー活性とどのように相関するか？
• RQ3 本手法は、生物学的に意味のある機能的バインディングピークを同定でき、ホットスポットでない領域に多く存在するようになり、標準的なピークコールパイプラインと比較して偽陽性を低減できるか？
• RQ4 siRFは、既知のレギュラトリック論理（例：eveストライプ2エンハンサー）をどれほど回復できるか、また発達時間経過にわたって新しい相互作用を予測できるか？
• RQ5 予測された相互作用パターンおよび機能的ピークスコアは、時空間的遺伝子発現と既知の発達パターニング経路とどの程度相関するか？

主な発見

• siRFは初期発達段階のエンハンサーに対して高い予測精度を示した（段階4–8の強力なエンハンサーでAUC = 0.94）、一方で後期段階（段階15–16）では性能が低下した（強力なエンハンサーでAUC = 0.77）。
• 本手法は、最大4つのTFを含む、684個の符号付き相互作用（発達段階をまたいで505個が固有）を同定し、エンハンサー活性に関連するTF増強・不活性化パターンを表した。すべての可能な相互作用からの探索空間は99.9％以上縮小された。
• 同定された相互作用の85％以上（684中457個）が、高精度な初期発達段階（4–8）で同定された。これは、特に重要なレギュラトリックウィンドウにおける強力な予測能力を示している。
• siRFが生成した機能的ピークスコアは、ホットスポットでない領域に有意に富んでおり、標準的なIDRベースのピークコールと比較して、機能的エンハンサーとの相関が強く、エンハンサー対非エンハンサーピークの比率が高かった。
• GO機能集積解析により、ギャップ関連TFのsiRF予測機能的ピークに関連する遺伝子が、前後軸パターニングおよび分節形成経路で有意に富んでいた。生物学的妥当性が裏付けられた。
• 本手法は、eveストライプ2エンハンサーにおける既知のレギュラトリック論理（Bcd、Hb、Kr、Gtの協同的および競合的役割）を正常に回復し、時空間的ダイナミクスが異なる新しい相互作用クラスタを予測した。