[논문 리뷰] Analysis of Extremely Obese Individuals Using Deep Learning Stacked Autoencoders and Genome-Wide Genetic Data

Casimiro Adays Curbelo Montañez, Paul Fergus외 2명|arXiv (Cornell University)|2018. 04. 16.

Genetic Associations and Epidemiology인용 수 4

한 줄 요약

이 연구는 극도로 비만한 개인의 전장 유전자 데이터를 분석하기 위해 스택드 오토인코더(SAE)를 사용한 딥러닝 접근법을 제안한다. 기존 GWAS의 한계를 극복하여 비선형 SNP-SNP 상호작용을 포착한다. 이 방법은 극도의 비만을 분류하는 데 AUC 0.975, 지니 점수 0.950을 기록하여 선형 GWAS 모델을 크게 능가한다.

ABSTRACT

The aetiology of polygenic obesity is multifactorial, which indicates that life-style and environmental factors may influence multiples genes to aggravate this disorder. Several low-risk single nucleotide polymorphisms (SNPs) have been associated with BMI. However, identified loci only explain a small proportion of the variation ob-served for this phenotype. The linear nature of genome wide association studies (GWAS) used to identify associations between genetic variants and the phenotype have had limited success in explaining the heritability variation of BMI and shown low predictive capacity in classification studies. GWAS ignores the epistatic interactions that less significant variants have on the phenotypic outcome. In this paper we utilise a novel deep learning-based methodology to reduce the high dimensional space in GWAS and find epistatic interactions between SNPs for classification purposes. SNPs were filtered based on the effects associations have with BMI. Since Bonferroni adjustment for multiple testing is highly conservative, an important proportion of SNPs involved in SNP-SNP interactions are ignored. Therefore, only SNPs with p-values < 1x10-2 were considered for subsequent epistasis analysis using stacked auto encoders (SAE). This allows the nonlinearity present in SNP-SNP interactions to be discovered through progressively smaller hidden layer units and to initialise a multi-layer feedforward artificial neural network (ANN) classifier. The classifier is fine-tuned to classify extremely obese and non-obese individuals. The best results were obtained with 2000 compressed units (SE=0.949153, SP=0.933014, Gini=0.949936, Lo-gloss=0.1956, AUC=0.97497 and MSE=0.054057). Using 50 compressed units it was possible to achieve (SE=0.785311, SP=0.799043, Gini=0.703566, Logloss=0.476864, AUC=0.85178 and MSE=0.156315).

연구 동기 및 목표

• 기존 GWAS가 체질량지수(BMI) 유전성의 설명력과 극도의 비만 분류에서 제한된 예측 능력을 보이는 데 대비하여 이를 해결하고자 한다.
• 선형 GWAS가 보수적인 다중검정 보정으로 인해 놓치는 비선형 상위상호작용(SNP-SNP 상호작용)을 식별하고자 한다.
• 분류 성능 향상을 위해 고차원 유전자 데이터를 스택드 오토인코더를 통해 압축하고자 한다.
• 비만 분류를 위한 다층 피드포워드 신경망을 초기화하고 미세조정하는 딥러닝 파이프라인을 개발하고자 한다.
• SNP의 p < 1×10⁻²로 필터링된 데이터셋을 사용하여 AUC, 지니 점수, 로그 손실 등의 표준 지표로 모델 성능을 평가하고자 한다.

제안 방법

• 차원 감소를 위해 p < 1×10⁻²인 유전자 변이를 필터링하여 잠재적으로 관련이 있는 변이를 유지한다.
• 스택드 오토인코더(SAE)를 적용하여 순차적인 인코딩 및 디코딩 레이어를 통해 유전자 데이터의 계층적 비선형 표현을 학습한다.
• SAE에서 압축된 표현(2000 및 50 단위)을 다층 피드포워드 인공신경망(ANN) 분류기의 입력으로 사용한다.
• 극도로 비만한 사람과 비만이 아닌 사람을 분류하기 위해 역전파를 사용해 ANN 분류기를 미세조정한다.
• 두 단계 프로세스를 적용: SAE를 통한 사전 훈련을 통해 가중치를 초기화하고, 이후 종단 간 최적화를 통해 성능 향상을 도모한다.
• 표준 지표인 AUC, 지니 점수, 민감도(SE), 특이도(SP), 로그 손실, 평균제곱오차(MSE)를 사용해 모델 성능을 평가한다.

실험 결과

연구 질문

• RQ1 스택드 오토인코더를 통한 딥러닝 기반 차원 감소가 기존 GWAS를 뛰어넘어 극도의 비만 분류 성능을 향상시킬 수 있는가?
• RQ2 비선형 SNP-SNP 상호작용은 극도로 비만한 개인의 BMI 유전성에 얼마나 기여하는가?
• RQ3 보다 보수적이지 않은 p-값 임계치(p < 1×10⁻²)를 사용해 SNP를 필터링하면 상위상호작용 탐지에 어떤 영향을 미치는가?
• RQ4 극도의 비만 예측에서 분류 정확도를 최대화하기 위해 SAE에서 최적의 압축 표현 크기(단위 수)는 얼마인가?
• RQ5 SAE 기반 모델과 표준 GWAS 접근법 간 AUC, 지니 점수, 로그 손실 등의 성능 지표는 어떻게 비교되는가?

주요 결과

• 2000개의 압축 단위를 가진 모델은 AUC 0.97497을 기록하여 극도로 비만한 사람과 비만이 아닌 사람 간의 분류 능력이 뛰어나다는 것을 나타낸다.
• 동일한 모델은 지니 점수 0.949936을 기록하여 예측 순위의 강력한 성능을 반영한다.
• 민감도(SE)는 0.949153, 특이도(SP)는 0.933014로 높은 참양성과 참음성 비율을 보였다.
• 로그 손실은 0.1956으로 최소화되어 예측 확률의 높은 신뢰도와 정확도를 나타낸다.
• 단지 50개의 압축 단위만으로도 모델은 AUC 0.85178과 지니 점수 0.703566을 달성하여 낮은 차원성에서도 뛰어난 강건성을 보였다.
• 2000단위 모델의 평균제곱오차(MSE)는 0.054057로 낮은 예측 오차를 나타낸다.