[논문 리뷰] A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning

Austin Clyde, Tom Brettin외 7명|arXiv (Cornell University)|2020. 04. 30.

Molecular Biology Techniques and Applications참고 문헌 44인용 수 7

한 줄 요약

이 연구는 암 치료제 민감도를 예측하기 위한 딥러닝 모델의 특징화 기법을 체계적으로 평가하며, 35,000개 이상의 훈련 모델을 기반으로 한다. RNA-seq 특징은 128개 이상의 특징을 포함하는 부분집합에서도 매우 정보가 풍부하며, SNP를 카운트 매트릭스 형태로 인코딩하면 성능이 크게 향상되며, MOrdred와 Dragon7 분자 기술자표현식은 유사한 성능을 보여, 정밀 옹호에서 강건하고 일반화 가능한 약물 반응 예측을 위한 실용적 지침을 제공한다.

ABSTRACT

By combining various cancer cell line (CCL) drug screening panels, the size of the data has grown significantly to begin understanding how advances in deep learning can advance drug response predictions. In this paper we train >35,000 neural network models, sweeping over common featurization techniques. We found the RNA-seq to be highly redundant and informative even with subsets larger than 128 features. We found the inclusion of single nucleotide polymorphisms (SNPs) coded as count matrices improved model performance significantly, and no substantial difference in model performance with respect to molecular featurization between the common open source MOrdred descriptors and Dragon7 descriptors. Alongside this analysis, we outline data integration between CCL screening datasets and present evidence that new metrics and imbalanced data techniques, as well as advances in data standardization, need to be developed.

연구 동기 및 목표

• 다양한 특징화 전략이 여러 세포선 및 약물 데이터셋에서 암 치료제 민감도를 예측하는 딥러닝 모델에 미치는 영향을 평가하는 것.
• 특히 RNA-seq, SNP, 분자 기술자표현식과 같은 유전적 및 분자적 특징이 모델 성능 향상에 기여하는 정도를 규명하는 것.
• 대규모 모델 스윕을 통해 오픈소스(MOrdred)와 상용(Dragon7) 분자 기술자표현식의 성능을 비교하는 것.
• 불균형한 약물 반응 예측 작업에서 회귀 및 분류 평가 지표 간의 상호 교환 관계를 평가하는 것.
• 향후 편재성 암 치료제 반응 예측을 위한 딥러닝 모델 개발을 위한 확장 가능하고 재현 가능한 프레임워크를 제공하는 것.

제안 방법

• 세포선 프로파일, 약물 표현식, 스케일링 방법을 다양하게 조합한 198종의 특징 세트를 기반으로 총 35,000개 이상의 딥 네URAL 네트워크 모델을 훈련시켰다.
• 다양한 모델 아키텍처, 훈련 전략(예: 학습률 스케줄링), 교차검증 폴드(3중, 세포선 기반)를 적용하여 모델의 안정성과 일반화 능력을 평가하였다.
• GDSC, CCLE, NCI-60 등의 공개 데이터셋을 표준화된 전처리 및 데이터 조율 절차를 통해 통합하여 사용하였다.
• 다양한 평가 지표를 사용하여 모델 성능을 평가하였으며, $r^2$, RMSE, 밸런스된 정확도, 매튜스 상관계수(MCC), AUC를 사용하였고, 분류 평가를 위해 AUC = 0.5 기준으로 사전 처리된 이진화를 적용하였다.
• 수렴하지 않거나 과적합된 모델(예: TPR/FPR = 1.0, 음수 $r^2$, 손실 값이 85프로일치 이상)을 엄격하게 필터링하여 신뢰할 수 있는 성능 평가를 확보하였다.
• 모든 코드 및 데이터 파ip라인을 공개하여 향후 약물 민감도 예측에서의 특징화 전략 선택에 대한 재현성과 벤치마킹을 가능하게 하였다.

실험 결과

연구 질문

• RQ1 암 치료제 민감도 예측을 위한 딥러닝 모델에서 어떤 유전적 및 분자 특징 세트가 가장 높은 예측 성능을 보이는가?
• RQ2 특히 MOrdred와 Dragon7와 같은 분자 기술자표현식 유형 간에 예측 유용성에서 어떤 차이가 있는가?
• RQ3 RNA-seq와 SNP 특징이 모델 성능에 얼마나 기여하는가? 최적의 결과를 얻기 위해 얼마나 많은 특징이 필요한가?
• RQ4 불균형한 약물 반응 예측 작업 평가에서 분류 기반 지표(MCC, 밸런스된 정확도 등)와 회귀 기반 지표($r^2$, RMSE 등)는 어떻게 비교되는가?
• RQ5 체계적이고 대규모의 모델 스윕을 통해 향후 정밀 옹호 분야의 딥러닝 개발에 실질적이고 일반화 가능한 지침을 제공할 수 있는가?

주요 결과

• RNA-seq 특징는 매우 높은 冗餘성과 정보성 을 보였으며, 128개 이상의 특징을 포함하는 부분집합에서도 강력한 예측 성능를 유지하였다.
• SNP를 카운트 매트릭스 형태로 인코딩하여 통합함으로써 모델 성능이 유의미하게 향상되었으며, 이는 SNP가 약물 반응과 강한 생물학적 연관성을 지닌다는 것을 시사한다.
• MOrided와 Dragon7 분자 기술자표현식 간에 유의미한 성능 차이가 관찰되지 않아, MOrdred가 약물 특징화에 있어 실용적인 오픈소스 대체재로 유력하다는 것을 시사한다.
• 약물 검증 모델은 세포선 검증 모델보다 성능이 열 劣하였으며, 다양한 미리 보지 않은 약물에 대한 반응을 예측하는 것은 더 어려운 일반화 과제임을 시사한다.
• 모델 전체에서 MCC와 $r^2$ 점수의 99프로일치 수준이 실제 적용 가능한 성능 기준으로 보고되었으며, 철저한 하이퍼파rameter 튜닝 없이도 달성 가능한 현실적인 성능 수준을 반영한다.
• 수렴 및 과적합 기준(예: TPR/FPR = 1.0, 음수 $r^2$)에 기반한 모델 필터링으로 총 모델의 15%(2,045개)가 제거되었으며, 이는 성능 비교의 신뢰성을 향상시켰다.