[논문 리뷰] DeepG2P: Fusing Multi-Modal Data to Improve Crop Production

Swati Sharma, Aditi Partap외 3명|arXiv (Cornell University)|2022. 11. 11.

Smart Agriculture and AI인용 수 10

한 줄 요약

DeepG2P는 유전자(일반적 유전자다형성(SNP)), 기상, 토양, 현장 관리 데이터를 융합하는 다중모달 딥러닝 프레임워크를 제안하여 작물 수확량 예측을 향상시킨다. LightGBM 기반의 특성 중요도 및 다양한 모odal 간의 어텐션 메커니즘을 활용함으로써, 주요 SNP와 환경 요인을 식별하고, 다중 소스 데이터의 공동 모델링을 통해 개선된 곡물 수확량 예측을 달성한다.

ABSTRACT

Agriculture is at the heart of the solution to achieve sustainability in feeding the world population, but advancing our understanding on how agricultural output responds to climatic variability is still needed. Precision Agriculture (PA), which is a management strategy that uses technology such as remote sensing, Geographical Information System (GIS), and machine learning for decision making in the field, has emerged as a promising approach to enhance crop production, increase yield, and reduce water and nutrient losses and environmental impacts. In this context, multiple models to predict agricultural phenotypes, such as crop yield, from genomics (G), environment (E), weather and soil, and field management practices (M) have been developed. These models have traditionally been based on mechanistic or statistical approaches. However, AI approaches are intrinsically well-suited to model complex interactions and have more recently been developed, outperforming classical methods. Here, we present a Natural Language Processing (NLP)-based neural network architecture to process the G, E and M inputs and their interactions. We show that by modeling DNA as natural language, our approach performs better than previous approaches when tested for new environments and similarly to other approaches for unseen seed varieties.

연구 동기 및 목표

• 유전체, 기상, 토양, 현장 관리 데이터를 포함한 다양한 데이터 소스를 통합하여 농업 생산 예측을 향상시키는 것.
• 기계학습 해석 방법을 활용하여 염색체 전역에서 가장 영향력 있는 유전자 변이(SNP)를 식별하는 것.
• 다양한 농업 데이터 모달을 효과적으로 융합하여 향상된 수확량 예측을 위한 통합된 딥러닝 아키텍처를 개발하는 것.
• 특성 중요도 지표를 사용하여 개별 SNP와 환경 요인이 곡물 수확량에 기여하는 정도를 평가하는 것.

제안 방법

• 예측 중요도를 평가하기 위해 상위 100개 SNP에 대해 LightGBM를 사용하여 분할(split), 기여도(gain), 상호정보량 상승(mutual information gain)을 계산한다.
• 각 SNP에 대해 4x5 원-핫 인코딩된 입력 표현을 사용하여 변이 부위 주변의 염기서열 맥락을 캡처한다.
• 유전자, 기상, 토양, 현장 관리의 네 가지 별도 모듈을 설계하며, 각 모듈은 전용 신경망 아키텍처를 갖춘다.
• 모든 모달의 표현을 어텐션 기반 또는 연결 기반 융합 메커니즘(다중모달 설계에 의해 암시됨)을 통해 융합한다.
• 특성 중요도 분 析를 적용하여 SNP와 환경 변수를 곡물 수확량 예측에 기여도에 따라 순위 매긴다.
• 선택된 집합에서 유전자형의 분포가 전체 옥수 염색체(10개)에 걸쳐 분포되었는지 확인하기 위해 옥수 염색체 전반에 걸친 SNP 분포를 시각화한다.

실험 결과

연구 질문

• RQ1 옥수 염색체 전반에서 곡물 수확량 예측에 가장 예측력 있는 유전자 변이(SNP)는 무엇인가?
• RQ2 환경 요인(기상, 토양, 관리)이 유전적 데이터와 어떻게 상호작용하여 작물 수확량에 영향을 주는가?
• RQ3 다양한 특성 중요도 지표(Split, Gain, 상호정보량)가 핵심 SNP를 식별하는 데 얼마나 일치하는가?
• RQ4 유전적 및 환경 데이터의 다중모달 융합이 수확량 예측 정확도를 상당히 향상시킬 수 있는가?
• RQ5 선택된 SNP들이 옥수 게놈 전반에 균일하게 분포되어 있는가? 이는 유전적 대표성을 확보하기 위한가?

주요 결과

• 특성 중요도를 통해 선별된 상위 100개 SNP는 모든 10개의 옥수 염색체에 분포되어 있어 광범위한 유전적 커버리지를 보여준다.
• LGBM 기반의 분할 및 기여도 중요도 지표는 곡물 수확량 예측에 높은 예측력을 지닌 특정 SNP를 식별한다.
• SNP와 곡물 수확량 간의 상호정보량 상승은 통계적으로 유의미한 연관성을 보여주며, SNP의 관련성을 뒷받침한다.
• 유전자 모듈은 각 변이 주변의 국소적 서열 맥락을 캡처하기 위해 4x5 원-핫 인코딩된 입력을 사용하여 SNP를 처리한다.
• 기상, 토양, 현장 관리 모듈은 아키텍처적으로 별개이므로 각 모달에 맞는 표현 학습이 가능하다.
• 보조 그림들은 특정 염색체 영역에 SNP가 집중되어 있지 않음을 확인하여, 생물학적 및 예측적 다양성을 뒷받침한다.