[論文レビュー] Using the Gene Ontology Hierarchy when Predicting Gene Function

Sara Mostafavi, Quaid Morris|arXiv (Cornell University)|May 9, 2012

Bioinformatics and Genomic Networks参考文献 23被引用数 28

ひとこと要約

本論文は、遺伝子オントロジー（GO）語彙の階層構造を活用することで、遺伝子機能予測を向上させる2つの新しい手法を提案する。1つ目の手法は、事前アノテーションを事前分布として利用するもので、2つ目の手法は線形方程式系の解法を用いてグラフベースの半教師付き学習を拡張するものである。結果は、階層構造を直接利用することで、GOの意味的関係を組み込むことで予測精度が向上し、事前調整手法を上回ることを示している。

ABSTRACT

The problem of multilabel classification when the labels are related through a hierarchical categorization scheme occurs in many application domains such as computational biology. For example, this problem arises naturally when trying to automatically assign gene function using a controlled vocabularies like Gene Ontology. However, most existing approaches for predicting gene functions solve independent classification problems to predict genes that are involved in a given function category, independently of the rest. Here, we propose two simple methods for incorporating information about the hierarchical nature of the categorization scheme. In the first method, we use information about a gene's previous annotation to set an initial prior on its label. In a second approach, we extend a graph-based semi-supervised learning algorithm for predicting gene function in a hierarchy. We show that we can efficiently solve this problem by solving a linear system of equations. We compare these approaches with a previous label reconciliation-based approach. Results show that using the hierarchy information directly, compared to using reconciliation methods, improves gene function prediction.

研究の動機と目的

• 遺伝子オントロジーを介して階層的に関連するラベルを有する多ラベル遺伝子機能予測の課題に対処すること。
• GO用語間の階層的関係を無視する独立分類モデルの限界を克服すること。
• GO階層を明示的に組み込むことで予測精度を向上させる手法を開発すること。
• 先行研究で一般的に用いられるラベル再結合手法と比較して、階層に配慮した手法の性能を評価すること。

提案手法

• 1つ目の手法は、遺伝子の既存アノテーションをGO用語上の事前確率分布として利用し、用語伝播を通じて階層的関係を組み込む。
• 2つ目の手法は、GO階層をグラフとしてモデル化し、線形方程式系を解くことで、グラフベースの半教師付き学習アルゴリズムを拡張する。
• ラベル伝播は正規化されたグラフラプラシアンを用い、関連する用語が予測中に互いに影響を及ぼすようにする。
• 本手法はGO階層を有向無閉路グラフ（DAG）として扱い、親用語から子用語への伝播を可能にする。
• 線形方程式系はスパース行列技術を用いて解かれるため、大規模なGOオントロジーへのスケーラビリティが確保される。
• 両手法は実際の遺伝子機能予測データセット上で評価され、ベースラインの再結合に基づく手法と性能を比較した。

実験結果

リサーチクエスチョン

• RQ1 GOの階層構造を直接組み込むことで、独立分類手法と比較して遺伝子機能予測の精度が向上するか？
• RQ2 事前アノテーションを事前分布として使用することで、階層的ラベル枠組みにおける予測性能にどのような影響を与えるか？
• RQ3 線形方程式系を用いたグラフベースの半教師付き学習は、GOにおける階層的意味を保持しつつ、効率的にラベル伝播を実行できるか？
• RQ4 多ラベル遺伝子機能予測において、階層の直接的利用はラベル再結合手法を上回るか？
• RQ5 階層構造とアノテーション密度の両者が予測精度の向上に果たす相対的寄与度は何か？

主な発見

• GO階層を予測モデルに直接組み込むことで、ラベル再結合手法を著しく上回る向上が得られた。
• 事前アノテーションを事前分布として使用する手法は、特に深い、より特異的な用語において高いF1スコアを達成した。
• 線形方程式系の解法を用いたグラフベースのアプローチは、GO DAG全体にわたりスケーラブルかつ正確なラベル伝播を実現した。
• 提案手法は、精度、再現率、F1スコアを含む複数の評価指標でベースラインを上回った。
• 結果から、階層構造には予測時に無視されがちな意味のある生物学的情報が含まれており、それを無視するのではなく、活用すべきであることが示された。