[논문 리뷰] Automatic learning of pre-miRNAs from different species

Ivani de Oliveira Negrão Lopes, Alexander Schliep외 1명|arXiv (Cornell University)|2015. 08. 03.

Genomics and Phylogenetic Studies인용 수 4

한 줄 요약

이 연구는 45개의 다양한 종에서 pre-miRNA 예측 성능을 향상시키기 위해 앙상블 기반 기계학습 접근법을 제안한다. 여러 특징 집합과 학습 알고리즘을 통합함으로써, pre-miRNA의 종별로 특화된 구조적 편향이 모델 성능을 저하시키는 것을 확인하였고, 계산적으로 효율적인 특징을 조합한 앙상블 모델이 분류 오차를 크게 감소시키고 정확도를 향상시킴으로써 에너지 기반 모델에 비해 높은 성능을 발휘함을 보여준다. 특히 계산 비용이 높은 에너지 기반 모델에 비해 뛰어난 성능을 기록한다.

ABSTRACT

Discovery of microRNAs (miRNAs) relies on predictive models for characteristic features from miRNA precursors (pre-miRNAs). The short length of miRNA genes and the lack of pronounced sequence features complicate this task. To accommodate the peculiarities of plant and animal miRNAs systems, tools for both systems have evolved differently. However, these tools are biased towards the species for which they were primarily developed and, consequently, their predictive performance on data sets from other species of the same kingdom might be lower. While these biases are intrinsic to the species, the characterization of their occurrence can lead to computational approaches able to diminish their negative effect on the accuracy of pre-miRNAs predictive models. Here, we investigate in this study how 45 predictive models induced for data sets from 45 species, distributed in eight subphyla, perform when applied to a species different from the species used in its induction. Our computational experiments show that the separability of pre-miRNAs and pseudo pre-miRNAs instances is species-dependent and no feature set performs well for all species, even within the same subphylum. Mitigating this species dependency, we show that an ensemble of classifiers reduced the classification errors for all 45 species. As the ensemble members were obtained using meaningful, and yet computationally viable feature sets, the ensembles also have a lower computational cost than individual classifiers that rely on energy stability parameters, which are of prohibitive computational cost in large scale applications. In this study, the combination of multiple pre-miRNAs feature sets and multiple learning biases enhanced the predictive accuracy of pre-miRNAs classifiers of 45 species. This is certainly a promising approach to be incorporated in miRNA discovery tools towards more accurate and less species-dependent tools.

연구 동기 및 목표

• 다양한 하위문명/강에 속한 45개 종에서 pre-miRNA 예측 성능가 종별로 어떻게 달라지는지, 종에 특화된 구조적 및 서열적 특성에 기인한 영향을 조사한다.
• 학습 알고리즘과 특징 집합 선택이 pre-miRNA 탐지에 대한 분류 정확도에 미치는 영향을 평가한다.
• 다양한 분류기와 특징 공간을 조합하여 miRNA 탐색 도구의 종별 성능 저하 문제를 줄인다.
• 에너지 안정성 계산에 의존하지 않고도 높은 정확도를 유지하면서도 계산적으로 효율적인 앙상블 기반 접근법을 개발한다.
• 다양한 영역에 적용 가능한, 종에 의존하지 않고 더 견고한 pre-miRNA 분류기 구축을 위한 프레임워크를 제공한다.

제안 방법

• 45개 종의 pre-miRNA 및 가짜 pre-miRNA 데이터를 바탕으로, 7개의 별도 특징 집합(FS1–FS7)과 3개의 학습 알고리즘(J48, Random Forest, SVM)을 사용해 45개 개별 분류기를 훈련시켰다.
• 다양한 특징 집합과 알고리즘을 기반으로 훈련된 기본 분류기의 예측을 조합하여 앙상블 모델(예: Emv24, Ewv8-SVMs)을 구축하였다.
• 오차율 분석(e1–e7)과 벤 다이어그램을 사용해 특징 집합과 알고리즘 간의 오분류 패턴의 겹침과 차이를 정량화하였다.
• 분류 오차율과 종별 민감도를 사용해 성능을 평가하였으며, 개별 모델과 앙상블 모델 간의 성능을 비교하였다.
• 생물학적 관련성과 계산 효율성을 확보하기 위해 무작위로 재정렬된 서열에서 유도된 특징은 제외하였다.
• 재현 가능성을 확보하기 위해 공개된 데이터셋과 소프트웨어 패키지(multispecies.tar.gz)를 사용해 결과를 검증하였다.

실험 결과

연구 질문

• RQ1 다양한 하위문명/강에 속한 45개 종에서 pre-miRNA 분류기의 예측 성능는 어떻게 달라지며, 종에 특화된 구조적·서열적 특성에 의해 영향을 받는가?
• RQ2 다양한 특징 집합과 학습 알고리즘이 pre-miRNA 탐지에서 종별로 발생하는 오분류에 얼마나 기여하는가?
• RQ3 다양한 특징 집합과 학습 알고리즘을 조합한 앙상블 방법은 분류 오차를 줄이고 종 간 일반화 능력을 향상시키는가?
• RQ4 다양한 가설(앙상블을 통해 조합)의 조합은 pre-miRNA 예측에서 종에 특화된 편향의 부정적 영향을 어떻게 완화하는가?
• RQ5 계산적으로 효율적인 특징 집합이 정확도를 희생시키지 않고도 대규모 pre-miRNA 분류에서 에너지 기반 모델에 비해 뛰어난 성능을 내는가?

주요 결과

• pre-miRNA 분류 정확도는 종에 따라 크게 달라지며, 동일한 하위문명/강 내에서도 어떤 특징 집합도 모든 45개 종에서 높은 성능를 보이지 않는다.
• 세 개의 분류기(J48, RF, SVM)가 모든 특징 집합에서 오분류하는 인스턴스 비율은 3.2%에서 6.7% 사이로 나타나 오류 패턴의 상당한 겹침을 보이며, 이는 앙상블 접근법의 필요성을 강조한다.
• Emv24, Ewv8-SVMs, Ewv24와 같은 앙상블 모델은 대부분의 종에서 개별 분류기보다 더 높은 예측 정확도를 달성하여 전반적인 분류 오차를 감소시켰다.
• 앙상블 접근법은 계산 비용이 높은 에너지 안정성 파rameter에 의존하지 않으면서도 개별 모델보다 높은 정확도를 달성하여 대규모 응용에 적합하다.
• 다양한 특징 집합과 함께 J48 기반 앙상블은 성능 향상을 보였으며, 이는 가설의 다양성이 견고함을 증가시킨다는 것을 시사한다.
• 이 연구는 어떤 하나의 학습 알고리즘이나 특징 집합만으로도 모든 종에서 최적의 pre-miRNA 분류를 달성할 수 없음을 확인하였으며, 이는 적응형 다중 모델 전략의 필요성을 강조한다.