[論文レビュー] Unconventional machine learning of genome-wide human cancer data

Richard Y. Li, Sharvari Gujja+6 more|arXiv (Cornell University)|Sep 12, 2019

Quantum Computing Algorithms and Architecture参考文献 35被引用数 3

ひとこと要約

本研究では、量子コンピューティングの原則にインspiredされたアニーリングベースの機械学習アルゴリズムを用いて、The Cancer Genome Atlas から得た高次元で多様なオミクスヒトがんデータを分類する可能性を示している。がん種や分子サブタイプの分類において競争力のある性能を示し、従来の機械学習手法と比較して、小規模なトレーニングデータセットでも優れた結果を達成している。

ABSTRACT

Recent advances in high-throughput genomic technologies coupled with exponential increases in computer processing and memory have allowed us to interrogate the complex aberrant molecular underpinnings of human disease from a genome-wide perspective. While the deluge of genomic information is expected to increase, a bottleneck in conventional high-performance computing is rapidly approaching. Inspired in part by recent advances in physical quantum processors, we evaluated several unconventional machine learning (ML) strategies on actual human tumor data. Here we show for the first time the efficacy of multiple annealing-based ML algorithms for classification of high-dimensional, multi-omics human cancer data from the Cancer Genome Atlas. To assess algorithm performance, we compared these classifiers to a variety of standard ML methods. Our results indicate the feasibility of using annealing-based ML to provide competitive classification of human cancer types and associated molecular subtypes and superior performance with smaller training datasets, thus providing compelling empirical evidence for the potential future application of unconventional computing architectures in the biomedical sciences.

研究の動機と目的

• 非伝統的な機械学習戦略、特にアニーリングベースのアルゴリズムが、高次元のヒトがんゲノミクスデータを効果的に分類できるかどうかを調査すること。
• ゲノムデータの爆発的増加に伴い、従来の高性能コンピューティングに生じる増大するボトルネックを緩和すること。
• The Cancer Genome Atlas から得た実世界の全ゲノムヒト腫瘍データを用いて、アニーリングベースの機械学習の性能を評価すること。
• 分類精度とデータ効率の観点から、アニーリングベースの手法と標準的な機械学習手法を比較すること。
• 量子プロセッサにインspiredされた非伝統的コンピューティングアーキテクチャが、将来のバイオメディカルデータサイエンス応用において果たす可能性を評価すること。

提案手法

• 物理的量子プロセッサにインspiredされたアニーリングベースの機械学習アルゴリズムを用い、多様なオミクスのがんデータをモデル化および分類した。
• これらのアルゴリズムを、The Cancer Genome Atlas (TCGA) から得た複数のがん種にわたる実際の高次元ゲノムプロファイルに適用した。
• 比較的評価のためのベースラインとして、サポートベクターマシン、ランダムフォレスト、ニューラルネットワークを含む標準的な機械学習手法を用いた。
• 分類精度の指標として、正確性や受信者操作特性曲線下の面積（AUC）といった標準的な分類指標を用いてモデルのパフォーマンスを評価した。
• データ効率を評価するために、トレーニングデータセットサイズを変化させた実験を実施し、特に小規模サンプルでの性能に注目した。
• 結果の頑健性と一般化可能性を確保するため、交差検証とハイパーパramータチューニングを実施した。

実験結果

リサーチクエスチョン

• RQ1 アニーリングベースの機械学習アルゴリズムは、高次元で多様なオミクスヒトがんデータにおいて、競争力のある分類性能を達成できるか？
• RQ2 がん分類タスクにおいて、アニーリングベースの手法は、従来の機械学習モデルと比較して、正確性と頑健性の点で優れているか？
• RQ3 ゲノム分野で一般的な課題である小規模データセットで、アニーリングベースのアルゴリズムが優れた性能を示すか？
• RQ4 量子プロセッサにインspiredされた非伝統的コンピューティングアーキテクチャが、複雑なバイオメディカルデータを分析する上で、どのような可能性を秘めているか？
• RQ5 これらの手法は、がん種だけでなく、全ゲノムデータから分子サブタイプを効果的に分類できるか？

主な発見

• アニーリングベースの機械学習アルゴリズムは、The Cancer Genome Atlas から得た高次元で多様なオミクスヒトがんデータにおいて、競争力のある分類性能を達成した。
• これらのアルゴリズムは、小規模なデータセットでトレーニングされた場合、標準的な機械学習手法よりも分類正確性が優れていた。
• 本研究は、アニーリングベースの機械学習が、全ゲノムのがんデータの複雑さと次元の高さを効果的に扱えるという実証的証拠を提供した。
• 結果から、非伝統的コンピューティングアプローチが、ゲノムデータ解析における増大する計算ボトルネックを緩和する可能性があると示唆された。
• これらの手法は、特にデータが少ない状況でも頑健でスケーラブルであることが示され、翻訳的バイオメディカル応用への可能性を強調した。
• 本研究は、実際のヒト腫瘍ゲノムデータに対してアニーリングベースの機械学習を初めて実証的に検証した。これにより、計算バイオメディスン分野における今後の研究の新しい道筋が開かれた。