[논문 리뷰] Fuzzy Gene Selection and Cancer Classification Based on Deep Learning Model

Mahmood Khalsan, Mu Mu외 4명|arXiv (Cornell University)|2023. 05. 04.

Gene expression and cancer classification인용 수 5

한 줄 요약

이 논문은 고차원 유전자 발현 데이터에서 종양 분류 성능을 향상시키기 위해 다층 퍼셉트론(MLP) 딥러닝 모델과 통합된 새로운 퍼지 유전자 선택(FGS) 방법을 제안한다. 상호정보량, F-ClassIf, 카이제곱 점수를 퍼지화 및 탈퍼지피케이션과 함께 조합함으로써 FGS는 핵심 유전자를 식별하고 차원 감소를 이루며 분류기 성능을 향상시킨다. 여섯 개의 데이터셋에서 평균 정확도 96.5%, 정밀도 96.2%, 재현율 96%, F1 점수 95.9%를 기록하며, 표준 MLP보다 유의하게 뛰어난 성능을 보였다.

ABSTRACT

Machine learning (ML) approaches have been used to develop highly accurate and efficient applications in many fields including bio-medical science. However, even with advanced ML techniques, cancer classification using gene expression data is still complicated because of the high dimensionality of the datasets employed. We developed a new fuzzy gene selection technique (FGS) to identify informative genes to facilitate cancer classification and reduce the dimensionality of the available gene expression data. Three feature selection methods (Mutual Information, F-ClassIf, and Chi-squared) were evaluated and employed to obtain the score and rank for each gene. Then, using Fuzzification and Defuzzification methods to obtain the best single score for each gene, which aids in the identification of significant genes. Our study applied the fuzzy measures to six gene expression datasets including four Microarray and two RNA-seq datasets for evaluating the proposed algorithm. With our FGS-enhanced method, the cancer classification model achieved 96.5%,96.2%,96%, and 95.9% for accuracy, precision, recall, and f1-score respectively, which is significantly higher than 69.2% accuracy, 57.8% precision, 66% recall, and 58.2% f1-score when the standard MLP method was used. In examining the six datasets that were used, the proposed model demonstrates it's capacity to classify cancer effectively.

연구 동기 및 목표

• 고차원 유전자 발현 데이터는 모델 성능 저하와 학습 시간 증가를 야기하므로, 이를 해결하기 위한 도전 과제를 다룬다.
• 과적합을 완화하고 학습 효율을 향상시키기 위해 정보가 풍부한 유전자만 선택하여 데이터셋의 차원을 감소시킨다.
• 다양한 특성 점수 방법을 융합한 퍼지 기반 유전자 선택 프레임워크를 개발하여 유전자 순위 매기기 및 선택 정확도를 향상시킨다.
• 최적화된 유전자 서브셋 선택을 통해 딥러닝 분류기(특히 MLP)의 유전자 발현 데이터 처리 성능을 향상시킨다.
• 암 발병 기전 연구 및 조기 진단을 위한 추가 실험적 검증을 위해 생물학적으로 해석 가능한 후보 유전자 집합을 제공한다.

제안 방법

• 여섯 개의 유전자 발현 데이터셋에서 각 유전자에 대해 상호정보량, F-ClassIf, 카이제곱 점수를 계산하고 초기 점수와 순위를 산출한다.
• 크리스프 특성 점수를 퍼지 소속도 값으로 변환하여 유전자 순위의 불확실성을 포괄하고 정확도를 향상시킨다.
• 중심의 무게(예: 중심의 무게)와 같은 탈퍼지피케이션 기법을 적용하여 각 유전자에 대해 단일 통합 퍼지 점수를 도출함으로써 명확한 유전자 우선순위를 부여한다.
• FGS 과정에서 상위 순위를 받은 유전자들을 다층 퍼셉트론(MLP) 분류기의 입력 특성으로 통합하여 암 분류를 수행한다.
• GEO 및 TCGA 레포지토리에서 확보한 네 개의 마이크로어레이 및 두 개의 RNA-seq 데이터셋을 대상으로 5겹 교차검증을 수행하여 FGS-MLP 모델을 학습하고 평가한다.
• 표준 딥러닝 초모수를 사용하여 모델을 최적화하고 정확도, 정밀도, 재현율, F1 점수 지표를 통해 성능을 검증한다.

Figure 1: Illustration example of distributed Features to show up F-classif work

실험 결과

연구 질문

• RQ1 퍼지 기반 유전자 선택 방법은 고차원 유전자 발현 데이터의 차원을 효과적으로 감소시키면서도 분류에 관련된 특징을 유지할 수 있는가?
• RQ2 딥러닝 분류기(MLP)에 FGS를 통합할 경우, 표준 MLP와 비교해 암 분류 성능이 어떻게 향상되는가?
• RQ3 FGS는 유전자 발현 데이터 기반 암 분류 모델에서 과적합과 학습 시간을 어느 정도 감소시키는가?
• RQ4 퍼지 논리로 융합할 때, 상호정보량, F-ClassIf, 카이제곱 점수 중 어떤 조합이 가장 강력하고 일관된 유전자 순위를 도출하는가?
• RQ5 FGS 과정에서 선별된 유전자들은 암 발생 기전 연구에서 추가 실험적 검증을 위한 생물학적으로 의미 있는 바이오마커로 활용될 수 있는가?

주요 결과

• FGS-MLP 모델은 여섯 개의 유전자 발현 데이터셋에서 평균 정확도 96.5%를 기록하였으며, 표준 MLP의 69.2%에 비해 뚜렷한 성능 향상을 보였다.
• 정밀도, 재현율, F1 점수는 FGS 적용 시 각각 96.2%, 96%, 95.9%로 상승하였고, FGS 없이 사용할 경우 57.8%, 66%, 58.2%에 그쳐 상당한 성능 향상이 확인되었다.
• FGS 방법은 입력 유전자 수를 최소화하고 생물학적으로 관련성이 높은 집합으로 줄여 학습 시간을 단축시키고 과적합 위험을 완화시켰다.
• MLP는 FGS와 결합했을 때 정확도 향상 비율이 27.3%로 가장 높게 나타나, 제안된 유전자 선택 방법과의 강력한 상호보완성을 보였다.
• 개별 데이터셋에서 분류 정확도는 93%에서 99% 사이로 변동하였으며, 가장 높은 정확도(99%)는 갑상선암 데이터셋 GSE33630에서 관찰되었다.
• FGS 과정에서 선별된 유전자들은 생물학적으로 타당성이 있으며, 암 연구 및 조기 진단을 위한 추가 검증을 위한 후보 바이오마커로 활용 가능하다.

Figure 2: Block Diagram of Proposed Fuzzy Gene selection Process