[논문 리뷰] Application of Support Vector Machine to detect an association between a disease or trait and multiple SNP variations

Gene Kim, Myung Ho Kim|ArXiv.org|2001. 04. 17.

Machine Learning in Bioinformatics참고 문헌 3인용 수 7

한 줄 요약

이 논문은 다중 SNP 변이와 질병 또는 특성 간의 연관성을 탐지하기 위해 지지 벡터 기계(SVMs)의 새로운 응용을 제안한다. 기준 기반 차이 점수를 사용하여 다중 SNP 유전자형을 유클리드 공간 내 벡터로 표현함으로써, 질병군과 대조군을 분류하기 위한 최적의 분리 초평면을 식별하는 방법이다. 이는 개인 맞춤형 위험 예측 가능성을 지닌 유전적 연관성 탐지에 기여한다.

ABSTRACT

After the completion of human genome sequence was anounced, it is evident that interpretation of DNA sequences is an immediate task to work on. For understanding their signals, improvement of present sequence analysis tools and developing new ones become necessary. Along this current trend, we attack one of the fundamental questions, which set of SNP(single nucleotide polymorphism) variations is related to a specific disease or trait is. For, in the whole DNA sequence, it is known that people have different DNAs only at SNP locations, and moreover, the total SNPs are less than 5 millions, finding an association between SNP variations and certain disease or trait is believed to be one of the essential steps not only for genetic researches but for drug design and discovery. In this paper, we are going to present a method of detecting whether there is an association between multiple SNP variations and a trait or disease. The method exploits the Support Vector Machine which has been attracting lots of attentions recently.

연구 동기 및 목표

• 복잡한 유전적 데이터에서 질병 관련 SNP 조합을 식별하는 데 도전하는 데 목적을 두며.
• 다중 SNP 유전자형에 기반하여 건강한 집단과 질병 집단을 체계적으로 구분하는 방법을 개발하며.
• 단일 SNP 분석을 넘어서 비선형적이고 다위치 유전적 연관성을 탐지하기 위해 SVMs를 적용하며.
• 생물학적으로 의미 있는 정보를 유지하면서 기계 학습 분류에 적합한 벡터 기반 SNP 데이터 표현을 만드는 것.

제안 방법

• 기준 SNP 데이터셋에서의 편차 점수를 계산하여 각 개인의 다중 SNP 유전자형을 R^n 공간 내 벡터로 표현한다.
• 유전자형 간의 유전적 이탈 정도를 수치화하기 위해 점수를 할당한다(예: w/w 대비 w/m은 0.25, w/m 대비 m/m은 0.75).
• 질병 대비 대조군의 레이블이 부여된 훈련 데이터를 사용하여 SVM을 훈련시켜 군집 간의 마진을 최대화하는 최적의 분리 초평면을 찾는다.
• 이중 형식의 SVM 최적화 문제를 라그랑주 승수를 사용하여 정의하여 이차 계획 문제를 해결한다.
• 분리가 불가능하거나 노이즈가 있는 데이터 케이스를 처리하기 위해 슬랙 변수와 정규화 파라미터 C를 통합한다.
• 다수의 클래스가 존재하지 않을 경우, 하위집단에 대한 클러스터링을 위해 반복적인 SVM 클러스터링을 적용하여 질병 유병률이 높은 하위집단을 식별한다.

실험 결과

연구 질문

• RQ1 SVMs는 다중 SNP 변이와 복잡한 질병 또는 특성 간의 연관성을 효과적으로 탐지할 수 있는가?
• RQ2 기계 학습을 위해 고차원 공간 내 다중 SNP 유전자형을 의미 있는 방식으로 벡터로 표현할 수 있는가?
• RQ3 분류 정확도를 향상시키기 위해 기준 인구집단으로부터의 유전적 거리를 최적으로 정의하는 방법은 무엇인가?
• RQ4 유전적 연관성 데이터에서 겹치거나 분리가 어려운 군집을 SVMs가 어떻게 처리할 수 있는가?
• RQ5 이 방법은 질병 감수성에 매우 예측 가능한 SNP 조합 패턴을 식별할 수 있는가?

주요 결과

• SVM 기반 방법은 다중 SNP 유전자형 벡터를 사용하여 질병군과 대조군을 구분하는 분리 초평면을 성공적으로 식별한다.
• 기준 기반 차이 점수의 사용은 SNP 변이의 생물학적으로 의미 있는 벡터 표현을 가능하게 한다.
• 이 방법은 초평면의 결정 경계를 통해 질병과 관련된 SNP 패턴을 식별할 수 있다.
• 반복적인 SVM 적용은 높은 다수 클래스 유병률을 보이는 하위집단으로 데이터를 클러스터링할 수 있게 하여 하위집단 특화 예측 성능을 향상시킨다.
• 이 접근법은 개별 SNP가 전체 질병 연관성에 기여하는 정도를 계산할 수 있으며, 우선순위 정렬에 기여한다.
• 이 프레임워크는 히프타입 데이터 및 연관 분석에 확장 가능하여 유전 연구 분야에서의 적용 범위를 넓힌다.