[논문 리뷰] Enhancement of a Novel Method for Mutational Disease Prediction using Bioinformatics Techniques and Backpropagation Algorithm

Ayad Ghany Ismaeel, Anar Auda Ablahad|arXiv (Cornell University)|2013. 06. 07.

Genetics, Bioinformatics, and Biomedical Research참고 문헌 6인용 수 3

한 줄 요약

이 논문은 유전자 서열 특성(GC/AT 함량, BLAST를 통한 동일성 분석), 환경적 요인, 단백질/DNA 서열 분석을 백프로파게이션 신경망에 통합하여 돌연변이 유전병 예측을 위한 새로운 생정보학적 접근법을 향상시킨다. 최적화된 시스템은 평균 제곱오차율 0.000000001을 사용하여 질병을 유발하는 돌연변이(예: BRCA1/2 관련 유방암)를 높은 정확도로 분류하며, 이는 이전 방법에 비해 분류 성능을 크게 향상시킨다.

ABSTRACT

The noval method for mutational disease prediction using bioinformatics tools and datasets for diagnosis the malignant mutations with powerful Artificial Neural Network (Backpropagation Network) for classifying these malignant mutations are related to gene(s) (like BRCA1 and BRCA2) cause a disease (breast cancer). This noval method did not take in consideration just like adopted for dealing, analyzing and treat the gene sequences for extracting useful information from the sequence, also exceeded the environment factors which play important roles in deciding and calculating some of genes features in order to view its functional parts and relations to diseases. This paper is proposed an enhancement of a novel method as a first way for diagnosis and prediction the disease by mutations considering and introducing multi other features show the alternations, changes in the environment as well as genes, comparing sequences to gain information about the structure or function of a query sequence, also proposing optimal and more accurate system for classification and dealing with specific disorder using backpropagation with mean square rate 0.000000001. Index Terms (Homology sequence, GC content and AT content, Bioinformatics, Backpropagation Network, BLAST, DNA Sequence, Protein Sequence)

연구 동기 및 목표

• 생정보학과 기계학습을 활용해 질병을 유발하는 돌연변이의 예측 정확도를 향상시키기.
• 유전자 서열 특성 외에도 유전자 기능성과 질병 발현에 영향을 주는 환경적 요인을 통합하기.
• 서열 동일성 분석, GC/AT 함량, 구조적-기능적 관계 분석을 통해 유전적 질환에 대한 보다 종합적인 분류 체계 개발하기.
• 더 높은 정밀도를 확보하기 위해 최소 학습률(0.000000001)로 백프로파게이션 신경망 최적화하기.
• 유방암과 같은 질병과 연관된 돌연변이를 진단하고 예측하기 위한 견고한 다차원 프레임워크 제공하기.

제안 방법

• 이 방법은 DNA 및 단백질 서열 데이터를 생정보학 도구인 BLAST을 활용한 서열 동일성 분석과 통합한다.
• 서열 안정성과 기능 잠재력 평가를 위해 GC 함량 및 AT 함량과 같은 핵심 게놈 특징을 추출한다.
• 유전자 발현과 돌연변이 영향에 영향을 주는 환경적 요인을 특징 집합에 통합하여 종합적인 질병 예측을 실현한다.
• 분류 오차를 최소화하기 위해 평균 제곱오차율 0.000000001을 사용해 백프로파게이션 신경망을 학습시킨다.
• 서열, 구조적 특성 및 환경적 요인을 종합적으로 고려해 돌연변이를 병원성 또는 양성으로 분류한다.
• 기능적 및 구조적 의미를 유추하기 위해 비교 서열 분 析을 포함한 특징 공학 기법을 적용한다.

실험 결과

연구 질문

• RQ1 GC 및 AT 함량과 같은 유전자 서열 특성이 질병을 유발하는 돌연변이의 예측에 어떻게 기여하는가?
• RQ2 환경적 요인이 질병 예측에서 유전적 돌연변이의 기능적 영향에 어느 정도 기여하는가?
• RQ3 BLAST를 통한 서열 동일성 분석을 통합함으로써 신경망 모델의 돌연변이 분류 정확도가 어떻게 향상되는가?
• RQ4 다양한 특징 입력을 사용해 돌연변이 질병을 예측할 때 백프로파게이션 신경망의 최적 학습률은 무엇인가?
• RQ5 genomic, 구조적, 환경적 특징을 통합하면 단일 특징 모델 대비 분류 성능가 어떻게 향상되는가?

주요 결과

• 다양한 차원의 특징 통합을 통해 질병을 유발하는 돌연변이의 분류 정확도가 뚜렷이 향상되었다.
• 백프로파게이션 신경망에서 평균 제곱오차율 0.000000001을 사용함으로써 높은 수렴 안정성과 정밀도를 확보하였다.
• BLAST를 활용한 서열 동일성 분석은 쿼리 서열의 기능적 관련성을 이해하는 데 유용한 통찰을 제공하여 예측 신뢰도를 향상시켰다.
• 모델에 환경적 요인을 통합함으로써 서열 외적 요소까지 고려한 돌연변이 병원성 예측 능력이 향상되었다.
• GC/AT 함량과 비교 서열 분석의 통합은 BRCA1 및 BRCA2 유전자에서 기능적으로 중요한 돌연변이 탐지 능력을 향상시켰다.
• 제안된 시스템은 이전의 단일 특징 기반 접근법에 비해 유방암과 연관된 돌연변이 분류 성능에서 뛰어난 성능을 보였다.