[논문 리뷰] A Novel Approach for Single Gene Selection Using Clustering and Dimensionality Reduction

E. N. Sathishkumar, K. Thangavel외 1명|arXiv (Cornell University)|2013. 06. 10.

Gene expression and cancer classification참고 문헌 18인용 수 10

한 줄 요약

이 논문은 고차원 유전자 발현 데이터에서 단일 유전자 선택을 위한 새로운 하이브리드 접근법인 하이브리드 퍼지 C 메운스-퀵 리덕트(FCMQR)를 제안한다. 퍼지 C 메운스를 통해 유전자를 군집화하고, 군집 내에서 퍼지 집합 이론의 퀵 리덕트를 적용하여 고의존성 유전자를 추출함으로써, 평균 상관계수값(ACV)이 1인 유의미한 군집을 식별한다. 이는 백혈병 데이터에서 전체 데이터셋과 유사한 분류 정확도를 달성하며, 노이즈에 강건한 효과적인 유전자 선택의 잠재력을 보여준다.

ABSTRACT

We extend the standard rough set-based approach to deal with huge amounts of numeric attributes versus small amount of available objects. Here, a novel approach of clustering along with dimensionality reduction; Hybrid Fuzzy C Means-Quick Reduct (FCMQR) algorithm is proposed for single gene selection. Gene selection is a process to select genes which are more informative. It is one of the important steps in knowledge discovery. The problem is that all genes are not important in gene expression data. Some of the genes may be redundant, and others may be irrelevant and noisy. In this study, the entire dataset is divided in proper grouping of similar genes by applying Fuzzy C Means (FCM) algorithm. A high class discriminated genes has been selected based on their degree of dependence by applying Quick Reduct algorithm based on Rough Set Theory to all the resultant clusters. Average Correlation Value (ACV) is calculated for the high class discriminated genes. The clusters which have the ACV value a s 1 is determined as significant clusters, whose classification accuracy will be equal or high when comparing to the accuracy of the entire dataset. The proposed algorithm is evaluated using WEKA classifiers and compared. Finally, experimental results related to the leukemia cancer data confirm that our approach is quite promising, though it surely requires further research.

연구 동기 및 목표

• 고차원적이고 표본 수가 적은 유전자 발현 데이터에서 정보성 있는 유전자를 선택하는 데 도전한다.
• 유사한 유전자들을 군집화하여 재현성과 노이즈를 감소시킨다.
• 퍼지 집합 이론 기반의 퀵 리덕트 알고리즘을 활용해 고의존성 및 분류에 유용한 유전자를 식별한다.
• 선택된 유전자들의 분류 성능을 전체 데이터셋과 비교한다.
• 실제 백혈병 암 데이터와 WEKA 분류기들을 활용해 방법의 효과성을 검증한다.

제안 방법

• 유사한 유전자들을 균일한 군집으로 묶기 위해 유전자 발현 데이터를 퍼지 C 메운스(FCM) 알고리즘을 사용해 군집화한다.
• 각 군집 내에서 퍼지 집합 이론의 퀵 리덕트 알고리즘을 적용하여 의존도가 가장 높은 유전자를 식별한다.
• 각 군집 내 유전자들의 평균 상관계수값(ACV)을 계산하여 내부 일관성과 유의미성을 평가한다.
• ACV가 정확히 1인 군집은 유의미한 군집으로 식별되며, 이는 높은 내부 상관관계와 높은 분류 정확도 가능성과 관련된다.
• 의미 있는 군집에서 선택된 유전자들을 WEKA 분류기로 평가하여 전체 데이터셋과의 성능을 비교한다.
• 군집화를 통한 차원 축소와 퍼지 집합 이론을 통한 특성 선택을 융합함으로써 유전자 선택의 효율성과 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 클러스터링 기반의 유전자 그룹화가 고차원 발현 데이터에서 생물학적으로 관련 있는 유전자 식별에 향상 효과를 줄 수 있는가?
• RQ2 퍼지 C 메운스 군집화와 퀵 리덕트 알고리즘의 통합은 고의존성 유전자 선택에 얼마나 효과적인가?
• RQ3 평균 상관계수값(ACV)이 1인 군집이 전체 데이터셋과 유사한 분류 정확도를 제공하는가?
• RQ4 제안된 FCMQR 방법은 노이즈와 재현성을 줄이면서도 분류 성능을 유지하거나 향상시킬 수 있는가?
• RQ5 실제 백혈병 암 데이터에서 선택된 유전자 부분집합의 성능은 전체 유전자 집합과 비교해 어떠한가?

주요 결과

• 제안된 FCMQR 방법은 정확히 1인 평균 상관계수값(ACV)을 가진 유의미한 유전자 군집을 성공적으로 식별하여 높은 내부 일관성과 강력한 분류 성능 잠재력을 보여준다.
• ACV=1 군집에서 선택된 유전자들이 WEKA 분류기 평가를 통해 전체 데이터셋의 성능과 동일하거나 뛰어난 분류 정확도를 달성한다.
• 유전자 군집화와 가장 의존도가 높은 특성만 선택함으로써 차원 축소와 노이즈 감소를 효과적으로 구현하여 특성 선택의 효율성을 향상시킨다.
• 백혈병 암 데이터에 대한 실험 결과는 이 방법의 잠재력을 입증하지만, 보다 광범위한 검증을 위한 추가 연구가 필요하다.
• FCM 군집화와 퍼지 집합 이론의 퀵 리덕트 통합은 소수의 표본과 다수의 특성으로 구성된 환경에서 정보성 있는 유전자를 안정적으로 식별할 수 있도록 한다.