[논문 리뷰] Algorithm for Finding Optimal Gene Sets in Microarray Prediction

J. M. Deutsch|ArXiv.org|2001. 08. 08.

Gene expression and cancer classification참고 문헌 23인용 수 3

한 줄 요약

이 논문은 마이크로어레이 기반의 암 분류에서 정확성을 유지하면서 최소 최적의 유전자 집합을 식별하는 복제 기반 진화 알고리즘인 GESSES를 소개한다. 백혈병 및 소아 암 데이터에 적용하여 96개 유전자를 단 15개로 감소시켰고, 모든 테스트 샘플에 대해 완벽한 분류 성능를 달성하였다. 이는 생물학적으로 관련성이 없는 유전자를 손상시키지 않고도 효과적으로 제거하는 강력한 방법임을 보여준다.

ABSTRACT

Motivation: Microarray data has been recently been shown to be efficacious in distinguishing closely related cell types that often appear in the diagnosis of cancer. It is useful to determine the minimum number of genes needed to do such a diagnosis both for clinical use and to determine the importance of specific genes for cancer. Here a replication algorithm is used for this purpose. It evolves an ensemble of predictors, all using different combinations of genes to generate a set of optimal predictors. Results: We apply this method to the leukemia data of the Whitehead/MIT group that attempts to differentially diagnose two kinds of leukemia, and also to data of Khan et. al. to distinguish four different kinds of childhood cancers. In the latter case we were able to reduce the number of genes needed from 96 down to 15, while at the same time being able to perfectly classify all of their test data. Availability: http://stravinsky.ucsc.edu/josh/gesses/ Contact: [e-mail]

연구 동기 및 목표

• 마이크로어레이 데이터를 사용하여 암 유형을 정확하게 분류하기 위해 필요한 최소 유전자 집합을 식별하는 것.
• 다양한 예측자 앙상블을 통해 유전자 발현 데이터의 노이즈와 중복성을 극복하는 것.
• 유전자 선택을 사전 처리 단계로 간주하는 대신, 예측 과정 자체에 유전자 선택을 통합하는 방법을 개발하는 것.
• 작은 생물학적으로 의미 있는 유전자 집합이 더 큰 유전자 패널과 동등한 높은 예측 정확도를 달성할 수 있는지 평가하는 것.
• 진화 알고리즘이 전통적인 유전자 선택 방법보다 최적의 유전자 서브셋을 암 진단에 더 잘 식별할 수 있는지 탐색하는 것.

제안 방법

• GESSES 알고리즘은 양자 및 단백질 시뮬레이션에 처음으로 개발된 복제 알고리즘—진화 계산의 한 형태—을 사용한다.
• 초기 후보 유전자 풀에서 선택된 서로 다른 유전자 서브셋을 사용하는 예측자 앙상블을 진화시킨다.
• 각 예측자의 적합도는 훈련 샘플을 서로 다른 암 유형으로 정확하게 분류할 수 있는 능력에 기반하여 평가된다.
• 알고리즘은 분류 정확도와 유전자 집합 크기 사이의 균형을 고려한 점수 함수를 사용하여 예측자 앙상블을 반복적으로 진화시킨다.
• 간단함, 낮은 가정, 그리고 훈련 데이터에서의 빠른 학습 능력으로 인해 최근접 이웃 분류기(neighborhood classifier)를 예측 엔진으로 사용한다.
• 확률적 및 결정적 진화 전략을 모두 활용하며, 평균 오분류 수를 세대에 따라 모니터링하여 수렴 여부를 추적한다.

실험 결과

연구 질문

• RQ1 진화 알고리즘이 마이크로어레이 기반의 암 진단에서 높은 분류 정확도를 유지하면서 최소 유전자 집합을 효과적으로 식별할 수 있는가?
• RQ2 SRBCT 및 백혈병과 같은 복잡한 암 데이터셋에서 신뢰할 수 있는 분류를 달성하기 위해 필요한 최적의 유전자 수는 얼마인가?
• RQ3 GESSES의 성능는 랭킹, 주성분 분석(PCA), 또는 유전자 베이킹(gene shaving)과 같은 전통적인 유전자 선택 방법과 비교해 볼 때 어떻게 되는가?
• RQ4 다양한 예측자 앙상블을 통해 유전자 중복성과 노이즈를 어느 정도 감소시킬 수 있는가?
• RQ5 고차원 마이크로어레이 데이터에서 20개 미만의 유전자로도 완벽한 테스트 분류를 달성할 수 있는가?

주요 결과

• GESSES는 소아 암 4종류(SRBCT)의 분류에 필요한 유전자 수를 96개에서 15개 미만으로 감소시켰고, 20개의 모든 테스트 샘플에 대해 완벽한 분류 성능를 달성하였다.
• SRBCT 데이터셋에 대해 약 12±2개 유전자로 안정적인 최적의 유전자 집합 크기를 도출하였으며, 이는 명확한 최소 효과적인 유전자 집합을 의미한다.
• 백혈병 데이터셋에서는 단일 최적의 유전자 수가 도출되지 않았다. 일부 예측자는 오류 없이 작동했고, 다른 예측자는 최대 5개의 오류를 내었으며, 이는 데이터의 한계나 노이즈를 시사한다.
• 앙상블 접근법을 통해 여러 고성능 예측자를 발견했지만, 초기 유전자 풀 크기나 점수 함수와 같은 파라미터 조정으로 통계적으로 유의미한 성능 향상은 발견되지 않았다.
• 결정적 모드에서 수렴 속도가 매우 빠르게 나타났으며, 백혈병 데이터셋에서 단 3개의 유전자로도 약 2개의 평균 오분류 수에 도달하였다.
• SRBCT 연구에서 원래의 96개 유전자 집합과 비교해 생물학적으로 구별되는 유전자들을 식별하였으며, 이는 새로운 생물학적 통찰을 제공할 가능성이 있음을 시사한다.