[논문 리뷰] Deep Learning Classification of Polygenic Obesity using Genome Wide Association Study SNPs

Casimiro Adays Curbelo Montañez, Paul Fergus외 2명|arXiv (Cornell University)|2018. 04. 09.

Genetic Associations and Epidemiology참고 문헌 3인용 수 13

한 줄 요약

이 연구는 전장 유전자 연관 분석(GWAS)에서 도출된 SNP를 활용하여 다유전자 비만을 분류하는 딥러닝 프레임워크를 제안하며, 복잡한 SNP 상호작용을 포착함으로써 뛰어난 예측 성능을 보여준다. P값 < 1×10⁻²를 만족하는 SNP(2,465개 변이)를 사용하여 모델은 AUC 0.9908을 달성하여 비만자와 비비만자 간의 거의 완벽한 분류 성능을 보였다.

ABSTRACT

In this paper, association results from genome-wide association studies (GWAS) are combined with a deep learning framework to test the predictive capacity of statistically significant single nucleotide polymorphism (SNPs) associated with obesity phenotype. Our approach demonstrates the potential of deep learning as a powerful framework for GWAS analysis that can capture information about SNPs and the important interactions between them. Basic statistical methods and techniques for the analysis of genetic SNP data from population-based genome-wide studies have been considered. Statistical association testing between individual SNPs and obesity was conducted under an additive model using logistic regression. Four subsets of loci after quality-control (QC) and association analysis were selected: P-values lower than 1x10-5 (5 SNPs), 1x10-4 (32 SNPs), 1x10-3 (248 SNPs) and 1x10-2 (2465 SNPs). A deep learning classifier is initialised using these sets of SNPs and fine-tuned to classify obese and non-obese observations. Using a deep learning classifier model and genetic variants with P-value &lt; 1x10-2 (2465 SNPs) it was possible to obtain results (SE=0.9604, SP=0.9712, Gini=0.9817, LogLoss=0.1150, AUC=0.9908 and MSE=0.0300). As the P-value increased, an evident deterioration in performance was observed. Results demonstrate that single SNP analysis fails to capture the cumulative effect of less significant variants and their overall contribution to the outcome in disease prediction, which is captured using a deep learning framework.

연구 동기 및 목표

• 딥러닝을 활용하여 GWAS에서 특정된 SNP의 예측 능력을 평가하기 위해 다유전자 비만을 분류하는 것.
• 기존 방법이 간과하는 덜 유의미한 SNP들의 누적 효과를 딥러닝이 얼마나 잘 포착할 수 있는지 조사하는 것.
• 다양한 SNP 유의미성 기준(P값)에 따른 분류 정확도를 비교하는 것.
• 딥러닝 모델이 비선형 SNP 상호작용을 모델링하여 질병 예측 성능을 향상시킬 수 있는지 입증하는 것.
• 딥신경망을 활용하여 GWAS 데이터를 복잡한 형질 예측에 통합하는 확장 가능한 프레임워크를 제공하는 것.

제안 방법

• 비만와의 상관관계를 테스트하기 위해 덧셈 유전 모델 기반 로지스틱 회귀를 수행하였다.
• P값 기준으로 네 가지 SNP 하위집합을 선별: <1×10⁻⁵ (5개 SNP), <1×10⁻⁴ (32개 SNP), <1×10⁻³ (248개 SNP), <1×10⁻² (2,465개 SNP).
• 각 SNP 하위집합에 대해 딥신경망 분류기를 훈련하였으며, GWAS 유의미성 결과를 초기화값으로 사용하고, 표현형 데이터를 통해 미세조정하였다.
• 모델 성능 평가를 위해 AUC, 지니 계수, 로그손실(LogLoss), MSE와 같은 표준 딥러닝 지표를 사용하였다.
• 모델 입력 이전에 철저한 품질 관리 및 연관 분석 파이프라인을 적용하여 강력한 SNP 선별을 보장하였다.
• 교차검증 훈련을 통해 모델 최적화를 수행하고, 독립된 데이터에서 테스트하여 일반화 능력을 평가하였다.

실험 결과

연구 질문

• RQ1 딥러닝 모델은 GWAS에서 특정된 SNP를 활용하여 다유전자 비만을 효과적으로 분류할 수 있는가?
• RQ2 포함된 SNP의 유의미성 기준(P값)이 변화함에 따라 모델 성능은 어떻게 변하는가?
• RQ3 딥러닝 모델은 단일-SNP 분석이 탐지하지 못하는 SNP 상호작용을 어느 정도 포착할 수 있는가?
• RQ4 매우 유의미한 SNP 외에도 덜 유의미한 SNP(P < 1×10⁻² 등)를 포함시키는 것이 정확도 향상에 기여하는가?
• RQ5 GWAS 데이터를 활용한 다유전자 질병 예측에서 딥러닝 프레임워크는 전통적 통계 방법을 능가할 수 있는가?

주요 결과

• P값 < 1×10⁻²(2,465개 SNP)를 만족하는 SNP를 사용하여 딥러닝 모델은 AUC 0.9908을 달성하여 뛰어난 분류 능력을 보였다.
• 민감도(SE)는 0.9604에 도달하였고, 특이도(SP)는 0.9712에 도달하여 높은 참양성 및 참음성 비율을 보였다.
• 지니 계수는 0.9817이었으며, 이는 비만 환자를 비비만자보다 더 높게 순위 매기는 데 강력한 성능을 보임을 의미한다.
• 로그손실(LogLoss)은 0.1150이었으며, 낮은 校정 오차를 동반한 높은 예측 신뢰도를 반영한다.
• MSE는 0.0300이었으며, 추정 확률의 예측 오차가 최소임을 시사한다.
• P값 기준이 높아질수록 성능이 뚜렷이 악화되었으며, 이는 중간 정도로 유의미한 SNP 포함이 최적의 예측을 위해 중요함을 시사한다.