[논문 리뷰] An image representation based convolutional network for DNA classification

Bojian Yin, Marleen Balvert외 3명|arXiv (Cornell University)|2018. 06. 13.

Genomics and Chromatin Dynamics참고 문헌 18인용 수 16

한 줄 요약

이 논문은 힐버트 공간 메우는 곡선을 사용하여 DNA 서열을 2차원 이미지로 변환함으로써 히스톤 상태 예측 성능을 향상시키는 새로운 합성곱 신경망(HCNN)을 제안한다. 이 곡선의 연속성과 군집 성질을 활용하여 HCNN은 1차원 서열 모델보다 장거리 상호작용을 더 효과적으로 포착하며, 여러 에피제네틱 데이터셋에서 최신 기술 대비 더 높은 정확도와 더 빠른 학습 속도를 달성한다.

ABSTRACT

The folding structure of the DNA molecule combined with helper molecules, also referred to as the chromatin, is highly relevant for the functional properties of DNA. The chromatin structure is largely determined by the underlying primary DNA sequence, though the interaction is not yet fully understood. In this paper we develop a convolutional neural network that takes an image-representation of primary DNA sequence as its input, and predicts key determinants of chromatin structure. The method is developed such that it is capable of detecting interactions between distal elements in the DNA sequence, which are known to be highly relevant. Our experiments show that the method outperforms several existing methods both in terms of prediction accuracy and training time.

연구 동기 및 목표

• 장거리 상호작용을 포착함으로써 1차원 DNA 서열에서 히스톤 상태를 예측하는 것을 향상시키기 위해.
• 딥러닝에서 1차원 서열 모델링의 한계를 해결하기 위해 DNA의 2차원 공간 표현을 도입하기 위해.
• 성능을 유지하거나 향상시키면서도 학습 시간과 파라미터 수를 줄이기 위해.
• 합성곱 신경망을 위한 DNA 서열 임bedding 방법으로서 힐버트 곡선의 효과성을 평가하기 위해.

제안 방법

• 힐버트 곡선을 사용하여 1차원 DNA 서열을 2차원 이미지 유사 텐서로 변환함으로써 국소 서열의 가까움을 유지하고 직사각형 부분 영역에서의 분할을 최소화한다.
• 장거리 상호작용을 탐지하기 위해 큰 합성곱 필터를 사용하는 깊은 잔차 컨볼루션 신경망을 설계하여 대규모 완전 연결 층에 의존하지 않는다.
• 파라미터 수를 최소화하고 학습 속도를 높이기 위해 최종 완전 연결 층 이전에 점진적으로 감소하는 작은 층을 사용한다.
• 2차원 이미지 표현에서 계층적 특징을 추출하기 위해 표준 CNN 연산(합성곱, 배치 정규화, ReLU, 풀링)을 적용한다.
• 힐버트 곡선의 우수성을 입증하기 위해 힐버트, Z-순서 등 여러 공간 메우는 곡선 간 성능을 비교한다.
• H3K4me3, H3K27ac, 스플라이스 조인션 예측 등 여러 에피제네틱 데이터셋에서 모델을 학습하고 평가한다.

실험 결과

연구 질문

• RQ1 힐버트 곡선을 사용하여 DNA 서열을 2차원 이미지로 표현하면, CNN이 원거리 조절 상호작용을 탐지하는 데에 더 나은 성능을 보일 수 있는가?
• RQ2 HCNN 아키텍처는 기존 모델(예: Seq-CNN, LSTM, SVM)과 비교해 히스톤 상태 예측에서 어떻게 성능을 냈는가?
• RQ3 힐버트 곡선 매핑이 모델 정확도, 학습 시간, 잠재적 오진 억제 능력에 어떤 영향을 미쳤는가?
• RQ4 2차원 이미지 표현은 스플라이스 조인션과 같은 기능적 요소 탐지에 향상된 성능을 제공할 수 있는가?

주요 결과

• HCNN는 모든 테스트 데이터셋에서 가장 높은 예측 정확도를 기록했으며, SVM, LSTM, Seq-CNN, seq-HCNN를 모두 능가했으며, H3 데이터셋에서 평균 정확도 87.34%와 스플라이스 데이터셋에서 94.11%의 정확도를 달성했다.
• HCNN는 학습 시간을 크게 단축시켰으며, H3 데이터셋에서 학습을 4분 이내로 완료했고, LSTM의 35:43과 seq-HCNN의 6:47 대비 빠른 속도를 보였다.
• HCNN는 정밀도, 재현율, AUC/PR-AUC 점수에서 뛰어난 성능을 보였으며, 스플라이스 조인션 예측 과제에서 AUC 98.67%, PR-AUC 97.67%를 기록했다.
• 힐버트 곡선 매핑은 정확도와 학습 효율성 측면에서 다른 공간 메우는 곡선과 1차원 서열 표현보다 뛰어나 성능을 입증했으며, DNA 서열 모델링에 적합함을 확인했다.
• 모델 성능은 H3K4me1, H3K4me2, H3K4me3, H3K79me3 데이터셋 등 다양한 에피제네틱 마크에서 뛰어난 일관성과 F1 점수 및 AUC 향상을 보였다.
• 큰 합성곱 필터와 잔차 연결을 사용함으로써 파라미터 수의 과도한 증가 없이도 효과적인 장거리 상호작용 탐지가 가능했다.