[논문 리뷰] DimReduction - Interactive Graphic Environment for Dimensionality Reduction

Fabrício Martins Lopes, David Martins외 1명|2008. 05. 26.

Data Visualization and Analytics참고 문헌 13인용 수 40

한 줄 요약

이 논문은 생물정보학 분야에서 차원 감소를 위한 개방형, 다중 플랫폼 그래픽 사용자 인터페이스를 제공하는 DimReduction를 제시한다. 주로 분류 정확도를 높이기 위해 고갈 검색, 순차적 전진 선택, 부유 전진 선택 알고리즘을 조합한 특성 선택 기능을 중심으로 하며, 유전자 조절 네트워크 복원 시 잔차 양성률이 매우 낮게 유지된다. 유방암 세포 분류 정확도는 99.96%에 도달한다.

ABSTRACT

Feature selection is a pattern recognition approach to choose important variables according to some criteria to distinguish or explain certain phenomena. There are many genomic and proteomic applications which rely on feature selection to answer questions such as: selecting signature genes which are informative about some biological state, e.g. normal tissues and several types of cancer; or defining a network of prediction or inference among elements such as genes, proteins, external stimuli and other elements of interest. In these applications, a recurrent problem is the lack of samples to perform an adequate estimate of the joint probabilities between element states. A myriad of feature selection algorithms and criterion functions are proposed, although it is difficult to point the best solution in general. The intent of this work is to provide an open-source multiplataform graphical environment to apply, test and compare many feature selection approaches suitable to be used in bioinformatics problems.

연구 동기 및 목표

• 유전자 발현 프로파일과 같은 고차원, 소표본 수 생물정보학 데이터셋에서 발생하는 차원의 극복 문제를 해결하기 위해.
• 프로그래밍 전문 지식이 없어도 다양한 특성 선택 알고리즘과 기준 함수를 테스트하고 비교할 수 있도록 접근성 있고 상호작용 가능한 그래픽 환경을 제공하기 위해.
• 에러 추정, 교차 검증, 시각화 도구를 통합하여 게놈 및 단백질체 분석에서 정확한 분류 및 네트워크 추론을 가능하게 하기 위해.
• 특성 선택 외에도 향후 주성분 분석(PCA)과 같은 특성 추출 방법의 통합을 지원하기 위해.

제안 방법

• 소프트웨어는 세 가지 특성 선택 탐색 알고리즘을 구현한다: 고갈 검색(최적), 순차적 전진 선택(SFS), 순차적 전진 부유 선택(SFFS)으로, 최적성과 계산 비용 사이의 균형을 고려한다.
• 분류기 오차, 조건부 엔트로피, 거리 측정 기반의 다수의 기준 함수를 지원하며, 드문 또는 관측되지 않은 사례에 대한 내장형 페널티를 통해 일반화 성능을 향상시킨다.
• 에러 추정은 재삽입, 한 개 제외, 교차 검증, 부트스트랩 방법을 통해 수행되며, 비관측 사례를 일반화하기 위해 최근접 이웃 방법을 사용한다.
• 사용자 친화적인 상호작용을 위해 마법사 스타일 인터페이스를 제공하며, 데이터 입력, 특성 선택, 에러 추정, 시각화 탭을 포함한다.
• 시각화는 방향성 그래프(네트워크), 산점도, 평행좌표를 통해 클래스 간 분리도 및 특성의 관련성을 평가할 수 있도록 한다.
• 크로스 플랫폼 호환성을 위해 자바로 구현되었으며, 커뮤니티 개발을 위해 구글 코드에 개방형 소스로 배포된다.

(a) Upload the biological data

실험 결과

연구 질문

• RQ1 고차원 생물학적 데이터에서 특성 선택 방법의 접근성과 비교를 향상시키기 위해 상호작용적이고 사용자 친화적인 그래픽 환경이 어떻게 기여할 수 있는가?
• RQ2 마이크어레이 데이터를 사용한 유방암 세포 분류에서 다양한 특성 선택 알고리즘(SFS, SFFS, 고갈 검색 등)의 성능은 어떠한가?
• RQ3 제한된 표본 수를 가진 인공 시계열 데이터에서 소프트웨어가 알려진 유전자 조절 네트워크를 얼마나 잘 복원할 수 있는가?
• RQ4 드문 사례에 대한 페널티를 통합한 에러 추정이 분류기 일반화 성능 향상에 얼마나 효과적인가?

주요 결과

• 589개의 인스턴스와 32개의 특성을 가진 유방암 데이터셋에서 10겹 교차 검증 실험에서 소프트웨어는 평균 분류 정확도 99.96%를 달성했다.
• 인공 데이터에서 복원된 유전자 조절 네트워크는 거짓 음성은 없었고, 거짓 양성도 몇 개에 불과하여 네트워크 복원 성능이 뛰어나다는 것을 보여주었다.
• 페널티 기반 기준 함수의 사용은 관측되지 않거나 드물게 나타나는 특성 패턴을 고려하여 일반화 성능을 향상시켰다.
• 평행좌표와 네트워크 그래프를 포함한 상호작용 시각화 도구는 선택된 서브셋에서 클래스 간 분리도 및 특성의 관련성을 효과적으로 시각화했다.
• 시스템은 특성 선택 외에도 향후 주성분 분석(PCA)과 같은 특성 추출 방법의 통합을 성공적으로 지원한다.

(b) Quantization process