[논문 리뷰] deepMiRGene: Deep Neural Network based Precursor microRNA Prediction

Seunghyun Park, Seonwoo Min외 2명|arXiv (Cornell University)|2016. 04. 29.

Cancer-related molecular mechanisms research참고 문헌 14인용 수 46

한 줄 요약

deepMiRGene는 수동 특징 공학 없이 시퀀스 및 구조적 특징을 자동으로 학습하는 장기 순환 신경망(LSTM)을 사용한 전위적 미크로RNA 예측을 위한 딥러닝 접근법을 제안한다. 팔린드롬 구조를 정방향 및 역방향 시퀀스 스트림으로 처리함으로써 감도, 특이도 및 종 간 일반화 능력에서 최신 기술 수준의 성능을 달성한다.

ABSTRACT

Since microRNAs (miRNAs) play a crucial role in post-transcriptional gene regulation, miRNA identification is one of the most essential problems in computational biology. miRNAs are usually short in length ranging between 20 and 23 base pairs. It is thus often difficult to distinguish miRNA-encoding sequences from other non-coding RNAs and pseudo miRNAs that have a similar length, and most previous studies have recommended using precursor miRNAs instead of mature miRNAs for robust detection. A great number of conventional machine-learning-based classification methods have been proposed, but they often have the serious disadvantage of requiring manual feature engineering, and their performance is limited as well. In this paper, we propose a novel miRNA precursor prediction algorithm, deepMiRGene, based on recurrent neural networks, specifically long short-term memory networks. deepMiRGene automatically learns suitable features from the data themselves without manual feature engineering and constructs a model that can successfully reflect structural characteristics of precursor miRNAs. For the performance evaluation of our approach, we have employed several widely used evaluation metrics on three recent benchmark datasets and verified that deepMiRGene delivered comparable performance among the current state-of-the-art tools.

연구 동기 및 목표

• 기존 기계학습 방법이 수작업 특징 공학에 크게 의존하는 데 기인한 전위적 miRNA 탐지의 한계를 해결하기 위해.
• 수작업 특징 설계 없이 전위적 miRNA의 내재된 시퀀스 및 구조적 패턴을 자동으로 포착하는 종단간 딥러닝 모델을 개발하기 위해.
• 표준 RNN이 시간적 방향의 갈등으로 인해 miRNA의 팔린드롬 구조를 모델링하는 데 어려움을 겪는 문제를 극복하기 위해.
• 다양한 종에서의 탐지 성능을 향상시키기 위해 일반화가 잘 되고 데이터 기반의 강력한 특징을 학습시켜야 하므로.
• LSTM 셀 상태와 활성화를 시각화하여 내부 학습된 생물학적 패턴에 대한 통찰을 제공함으로써 해석 가능성(해석 가능성)을 향상시키기 위해.

제안 방법

• 전방 및 역방향 방향으로 전위적 miRNA 시퀀스를 모델링하기 위해 이중방향 LSTM 아키텍처를 활용한다.
• 두 개의 독립적인 시퀀스 스트림(정방향 및 역방향)으로 분할된 2차 구조를 처리하는 새로운 데이터 표현 전략을 도입한다.
• RNAfold의 점-대괄호 표기법을 사용해 2차 구조 정보를 인코딩하여 네트워크에 구조적 맥락을 유지한다.
• 원시 시퀀스 및 구조 데이터에서 직접 계층적 표현을 학습하기 위해 종단간 학습을 적용함으로써 수작업 특징 설계가 필요 없도록 한다.
• 조기 정지(early stopping)를 통해 과적합을 방지하기 위해 교차 엔트로피 손실 및 Adam 최적화를 사용한다.
• 학습된 특징의 해석을 위해 LSTM 히든 상태 및 셀 활성화를 시각화하여 생물학적 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 LSTM 기반 딥러닝 모델이 수작업 구조적 특징 공학 없이도 전위적 miRNA의 팔린드롬 2차 구조를 효과적으로 학습할 수 있는가?
• RQ2 수작업 특징에 의존하는 기존 기계학습 도구보다 종단간 딥러닝 접근법이 전위적 miRNA 예측에서 더 뛰어난 성능을 내는가?
• RQ3 특히 시퀀스 및 구조적 특징이 크게 다를 수 있는 다양한 종에서 모델의 성능은 어떠한가?
• RQ4 LSTM 모델의 내부 표현이 스트레인 길이 또는 루프 구성과 같은 기존 알려진 생물학적 특징을 재발견할 수 있는가?
• RQ5 이미지 기반 2차 구조 표현(예: RNAfold에서 유도된 것)을 사용할 경우 모델 성능과 학습 효율성에 어떤 영향을 미치는가?

주요 결과

• deepMiRGene는 세 가지 벤치마크 데이터셋에서 최신 기술 수준의 성능을 달성하여 기존 도구보다 감도와 특이도에서 뛰어난 성능을 보였다.
• 모델는 다양한 종 간 일반화 능력이 뛰어나, 다른 생물에서 유래한 데이터로도 높은 정확도를 유지하였다.
• 정방향 및 역방향 LSTM 처리를 병행함으로써 전위적 miRNA의 팔린드롬 대칭성을 효과적으로 포착하였다.
• LSTM 셀 상태의 시각화 결과는 스트레인 길이 및 루프 구성과 같은 알려진 구조적 특징과 의미 있는 패턴을 반영하고 있었다.
• 초기 실험에서 RNA 2차 구조 이미지에 대해 컨볼루션 신경망(CNN)을 적용한 결과 성능 저하와 학습 시간 증가가 발생하여, 이미지 기반 입력에서의 즉각적인 이점은 제한적임을 시사하였다.
• 모델은 런타임 약 14시간(500 에포크, 5중 교차 검증)이 소요되지만, 추론 시간은 다른 도구들과 유사하여 반복 사용에 실용적이다.