[논문 리뷰] Classification of arrayCGH data using a fused SVM

Franck Rapaport, Emmanuel Barillot외 1명|ArXiv.org|2008. 01. 19.

Algorithms and Data Compression참고 문헌 27인용 수 8

한 줄 요약

이 논문은 DNA 복제 수 변화에서의 공간적 상관관계에 대한 생물학적 사전 지식을 통합하여 arrayCGH 데이터를 분류하기 위한 융합 SVM 방법을 제안한다. 분류 성능을 향상시키고 암 예후 및 진단과 관련된 해석 가능한 게놈 영역을 식별하기 위해, 특징의 희소성과 공간적 그룹화를 강제함으로써, 분류 정확도를 높인다.

ABSTRACT

Motivation: Array-based comparative genomic hybridization (arrayCGH) has recently become a popular tool to identify DNA copy number variations along the genome. These profiles are starting to be used as markers to improve prognosis or diagnosis of cancer, which implies that methods for automated supervised classification of arrayCGH data are needed. Like gene expression profiles, arrayCGH profiles are characterized by a large number of variables usually measured on a limited number of samples. However, arrayCGH profiles have a particular structure of correlations between variables, due to the spatial organization of BACs along the genome. This suggests that classical classification methods, often based on the selection of a small number of discriminative features, may not be the most accurate methods and may not produce easily interpretable prediction rules. Results: We propose a new method for supervised classification of arrayCGH data. The method is a variant of support vector machine (SVM) that incorporates the biological specificities of DNA copy number variations along the genome as prior knowledge. The resulting classifier is a sparse linear classifier based on a limited number of regions automatically selected on the chromosomes, leading to easy interpretation and identification of discriminative regions of the genome. We test this method on three classification problems for bladder and uveal cancer, involving both diagnosis and prognosis. We demonstrate that the introduction of the new prior on the classifier leads not only to more accurate predictions, but also to the identification of known and new regions of interest in the genome. Availability: All data and algorithms are publicly available.

연구 동기 및 목표

• 표본 수에 비해 프로브 수가 훨씬 많은 arrayCGH 데이터에서의 지도 학습 분류 문제를 해결한다.
• 기존 방법들이 복제 수 데이터의 공간적 상관관계를 간과하거나 영역별 집계를 통해 과도하게 단순화함으로써 발생하는 한계를 극복한다.
• 연속된 게놈 영역에 대한 생물학적 지식을 학습 과정에 통합함으로써 정확하고 해석 가능한 분류기 개발을 목표로 한다.
• 암 진단 및 예후와 관련된 생물학적으로 의미 있는 염색체 영역, 즉 기존에 알려진 것과 새로운 이상을 식별할 수 있도록 한다.

제안 방법

• 염색체를 따라 특징 가중치의 공간적 연속성을 강제하기 위해 융합 라소 유형 정규화 항을 포함한 서포트 벡터 머신(SVM)의 변종을 제안한다.
• 두 개의 정규화 파rameter를 사용: L1 페널티로 희소성(단지 일부 분류 기여 프로브 선택)을 확보하고, 인접한 프로브를 동일한 가중치로 그룹화하기 위한 융합 라소 페널티를 적용한다.
• 분류 정확도와 분류기 계수에 대한 구조적 사전 지식 간의 균형을 확보하기 위해 최적화 문제를 볼록 프로그램으로 공식화한다.
• 사전 데이터 압축 없이 개별 BAC 프로브에 직접 분류기를 추정함으로써 국소 게놈 해상도를 유지한다.
• 다양한 정규화 파rameter 설정을 탐색하기 위해 경로 추적 알고리즘을 사용하여 최적화 문제를 해결한다.
• 결과 분류기를 염색체 상의 조각별로 일정한 함수로 해석하여, 긍정적 또는 부정적 기여가 뚜렷한 영역을 강조한다.

실험 결과

연구 질문

• RQ1 복제 수 변화의 공간적 상관관계를 반영함으로써 arrayCGH 데이터에 대한 지도 학습 분류 방법을 향상시킬 수 있는가?
• RQ2 분류기에서 희소성과 공간적 그룹화를 강제하면 표준 SVM나 감소된 해상도 방법에 비해 더 높은 예측 정확도를 달성할 수 있는가?
• RQ3 결과 분류기가 암 진단 및 예후와 관련된 알려진 및 새로운 반복적인 염색체 이상을 식별할 수 있는가?
• RQ4 실제 arrayCGH 데이터셋에서 기존의 k-NN나 최근접 중심 분류기와 비교할 때 융합 SVM가 오분류율 측면에서 얼마나 뛰어나게 성능을 발휘하는가?
• RQ5 식별된 게놈 영역이 안부성 망막모세포종과 신장암에서 이전에 보고된 반복적인 이상과 얼마나 유사한가?

주요 결과

• 융합 SVM는 특히 미세한 복제 수 패턴을 포함한 복잡한 데이터셋에서 기존의 k-NN 및 최근접 중심 분류기와 비교해 높은 분류 정확도를 확보했다.
• 융합 SVM는 안부성 망막모세포종에서 알려진 반복적 이상, 즉 염색체 3의 단일체성, 8p의 손실, 8q의 증식을 생물학적으로 일관된 반대 부호로 정확히 식별했다.
• 전체 염색체 3가 아니라 3p의 작은 영역이 강조되었으며, 이는 이전 연구에서 3p가 안부성 망막모세포종에서 중요한 영역임을 밝힌 바와 일치한다.
• 1p, 2p, 4, 5, 9q, 11p, 12q, 13, 14, 20, 21 등 기존에 알려지지 않은 유의미한 기여 영역이 탐지되어 향후 생물학적 연구에 대한 새로운 후보를 제시한다.
• 융합 SVM는 표준 L1-SVM보다 복잡하고 공간적으로 군집된 신호, 예를 들어 전이성 안부성 망막모세포종에서 8p 손실과 8q 증식의 반대 효과를 더 잘 포착했다.
• 결과 분류기는 염색체 상의 조각별 일정한 함수로 표현되어, 분류 기여 영역에 대한 직접적인 생물학적 해석이 가능했다.