[논문 리뷰] A step towards neural genome assembly

Lovro Vrček, Petar Veličković외 1명|arXiv (Cornell University)|2020. 11. 10.

Genomics and Phylogenetic Studies인용 수 3

한 줄 요약

이 논문은 탈옥성 신경 실행을 통해 훈련된 그래프 신경망(GNN) 모델을 제안하며, de novo 게놈 어셈블리에서 핵심적인 게놈 그래프 단순화 알고리즘 세 가지—이행적 엣지 제거, 히프 트리밍, 버블 팝핑—을 동시에 학습하고 수행한다. 모델은 확장된 합성 그래프에서 99% 이상의 정확도를 달성했으며, 라마 파지 및 E. coli 게놈을 포함한 실제 데이터에 대해서도 98–99%의 정확도를 보이며 강한 일반화 능력을 입증하여 엔드 투 엔드 신경 게놈 어셈블리로의 중대한 도약을 이룬다.

ABSTRACT

De novo genome assembly focuses on finding connections between a vast amount of short sequences in order to reconstruct the original genome. The central problem of genome assembly could be described as finding a Hamiltonian path through a large directed graph with a constraint that an unknown number of nodes and edges should be avoided. However, due to local structures in the graph and biological features, the problem can be reduced to graph simplification, which includes removal of redundant information. Motivated by recent advancements in graph representation learning and neural execution of algorithms, in this work we train the MPNN model with max-aggregator to execute several algorithms for graph simplification. We show that the algorithms were learned successfully and can be scaled to graphs of sizes up to 20 times larger than the ones used in training. We also test on graphs obtained from real-world genomic data---that of a lambda phage and E. coli.

연구 동기 및 목표

• 히우리스틱 기반의 그래프 단순화를 학습 가능한 신경 알고리즘으로 대체하여 de novo 게놈 어셈블리의 자동화에 도전한다.
• 여러 그래프 단순화 알고리즘을 동시에 학습하고 실행할 수 있는 통합 신경 프레임워크를 개발한다.
• 훈련 데이터 분포를 초월하여 더 큰 그래프와 실제 게놈 데이터에 대한 모델의 일반화 능력을 입증한다.
• 현재 어셈블러에서 수작업으로 설정된 파rameter와 히우리스틱에 대한 의존도를 줄이기 위해, 미분 가능하고 데이터 기반의 단순화 절차를 도입한다.

제안 방법

• 최대 집합자(max-aggregator)를 사용한 메시지 전달 신경망(MPNN)을 훈련하여 단계별 감독을 통해 그래프 단순화 알고리즘을 학습한다.
• 각 알고리즘(이행적 제거, 히프 트리밍, 버블 팝핑)을 특정한 구조적 제약 조건을 가진 그래프 탐색 과정으로 모델링한다.
• 미분 가능한 신경 실행을 사용해 중간 단계를 감독함으로써 알고리즘 논리의 엔드 투 엔드 학습을 가능하게 한다.
• 모델을 합성 그래프(훈련 크기의 20배로 확장)와 라마 파지 및 E. coli에서 유래한 실제 어셈블리 그래프에 적용한다.
• 노드 및 엣지 특징을 처리하고 엣지 제거 결정을 예측하기 위해 잠재 차원 K=32인 GRU 기반 디코더를 사용한다.
• 학습은 Adam 옵timizer를 사용하고 조기 정지 기법을 적용하며, 알려진 단순화 규칙에서 유도된 레이블이 부여된 엣지 제거 행동에 대해 지도 학습을 수행한다.

실험 결과

연구 질문

• RQ1 단일 신경망이 높은 정확도로 동시에 여러 게놈 그래프 단순화 알고리즘을 학습하고 실행할 수 있는가?
• RQ2 합성 그래프에서 훈련된 GNN이 복잡한 생물학적 구조를 지닌 실제 게놈 어셈블리 그래프로 얼마나 잘 일반화되는가?
• RQ3 훈련에 사용된 그래프보다 훨씬 큰 그래프에 적용했을 때 모델의 성능은 어떻게 스케일링되는가?
• RQ4 최신 어셈블러인 Raven과 같은 히우리스틱 기반 단순화 단계를 모델이 슈퍼세이브하거나 대체할 수 있는가?
• RQ5 실제 게놈의 구조적 복잡성(예: 해결되지 않은 버블, 복잡한 히프)은 모델의 예측 정확도에 어떤 영향을 미치는가?

주요 결과

• 모델은 훈련 그래프 크기의 20배로 확장된 합성 그래프에서 99% 이상의 정확도를 달성하여 강력한 일반화 능력을 입증했다.
• 라마 파지 데이터(60개 노드)에서 모델은 이행적 엣지 제거에 대해 98.04%의 정확도, 히프 트리밍에 대해 93.33%, 버블 팝핑에 대해 97.47%의 정확도를 기록했다.
• 더 큰 E. coli 데이터(약 3000개 노드)에서는 이행적 제거에 대해 99.67%의 정확도, 히프 트리밍에 대해 98.84%, 버블 팝핑에 대해 99.26%의 정확도를 달성했다.
• 라마 파지에서 히프 트리밍의 성능이 낮은 것은 훈련 알고리즘의 범위를 초월한 구조적 복잡성 때문일 가능성이 높다.
• 세 알고리즘을 동시에 실행할 때도 높은 정확도를 유지하여 다중 작업 학습 및 지식 전이의 성공을 입증했다.
• 결과적으로 신경 실행을 통한 단순화 알고리즘의 구현은 특히 더 큰, 경로 기반의 그래프에서 히우리스틱 기반 단계를 효과적으로 대체할 수 있음을 시사한다.