[논문 리뷰] GenoML: Automated Machine Learning for Genomics

Mary B. Makarious, Hampton L. Leonard외 15명|arXiv (Cornell University)|2021. 03. 04.

Machine Learning and Data Classification참고 문헌 10인용 수 8

한 줄 요약

GenoML은 유전체 및 다중오미크스 데이터를 위한 엔드 투 엔드 머신러닝 워크플로우를 자동화하는 오픈소스 파이썬 패키지로, 비전문가가 최소한의 코드로 데이터 전처리, 모델 튜닝, 평가 및 배포를 수행할 수 있도록 한다. 지능형 기본 설정, 모듈식 설계 및 오픈 사이언스 원칙을 통합하여 재현 가능하고 투명하며 커뮤니티 기반의 유전체 연구를 간소화한다.

ABSTRACT

GenoML is a Python package automating machine learning workflows for genomics (genetics and multi-omics) with an open science philosophy. Genomics data require significant domain expertise to clean, pre-process, harmonize and perform quality control of the data. Furthermore, tuning, validation, and interpretation involve taking into account the biology and possibly the limitations of the underlying data collection, protocols, and technology. GenoML's mission is to bring machine learning for genomics and clinical data to non-experts by developing an easy-to-use tool that automates the full development, evaluation, and deployment process. Emphasis is put on open science to make workflows easily accessible, replicable, and transferable within the scientific community. Source code and documentation is available at https://genoml.com.

연구 동기 및 목표

• 비전문가의 전문 지식 장벽을 낮추어 증가하는 유전체학 분야의 접근 가능한 머신러닝 수요를 충족시키기 위해.
• 데이터 정제, 전처리, 품질 관리 및 모델 튜닝을 포함한 복잡한 유전체학 ML 워크플로우를 자동화하기 위해.
• 오픈소스 및 커뮤니티 기반 개발을 통해 재현 가능성과 투명성을 높여 유전체 연구의 품질을 향상시키기 위해.
• 기존 과학적 파이썬 생태계와의 원활한 통합을 가능하게 하고 임상 및 연구 환경에서의 배포를 지원하기 위해.
• AutoML를 넘어 유전학, 연합 학습, 모델 공유 및 임상 배포를 위한 더 넓은 도구 생태계를 조성하기 위해.

제안 방법

• 스키킷런, 엑스트리브, 파이토치 등 기존 오픈소스 파이썬 라이브러리를 활용하여 모듈식이고 확장 가능한 AutoML 프레임워크를 구축한다.
• 유지보수성과 확장성을 확보하기 위해 데이터 처리, 모델링, 배포 구성 요소를 분리하는 계층적 아키텍처를 구현한다.
• 입력 데이터 유형과 특성을 체계적으로 평가한 바탕으로 지능형 기본 설정을 적용한다.
• 베이지안 최적화 및 앙상블 전략을 통해 자동 하이퍼파라미터 튜닝 및 모델 선택을 지원한다.
• 오픈 API를 활용하고 애자일 2.0 라이선스를 준수하여 외부 시스템 및 플랫폼과의 상호운용성을 보장한다.
• 포괄성과 지속 가능성을 확보하기 위해 코드의 윤리 강령과 오픈 기여 모델을 포함한 커뮤니티 기반 개발 방식을 도입한다.

실험 결과

연구 질문

• RQ1 자동화된 머신러닝은 유전체학 및 다중오미크스 데이터의 고유한 과제에 어떻게 효과적으로 적응될 수 있는가?
• RQ2 비전문가가 최소한의 기술적 전문성으로도 복잡한 유전체학 ML 워크플로우를 수행할 수 있도록 하는 설계 원칙은 무엇인가?
• RQ3 투명성, 재현 가능성 및 커뮤니티 협업을 보장하기 위해 오픈 사이언스 관행을 ML 프레임워크에 어떻게 통합할 수 있는가?
• RQ4 확장성과 기존 과학 소프트웨어 생태계와의 통합을 지원하는 아키텍처 패턴은 무엇인가?
• RQ5 AutoML 시스템은 모델 학습을 넘어서 어떻게 배포, 모델 설명, 연합 학습을 포함한 기능으로 확장될 수 있는가?

주요 결과

• GenoML은 사용자 간섭 최소화로 원시 입력에서 검증된, 배포 가능한 모델까지의 전체 ML 파이프라인을 성공적으로 자동화한다.
• 프레임워크의 지능형 기본 설정은 다양한 유전체학 데이터셋에서 높은 성능을 유지하면서도 전문가 튜닝의 필요성을 크게 줄인다.
• 계층적이고 모듈식 아키텍처 덕분에 기존 워크플로우나 종속성에 영향을 주지 않고도 개별적으로 업데이트 및 확장이 가능하다.
• GenoML은 주요 과학적 파이썬 라이브러리와의 통합을 지원하며 기존 데이터 과학 및 생물정보학 파이프라인과 호환된다.
• 프로젝트는 활발한 기여와 향후 연합 학습, 모델 공유 및 임상 배포를 위한 로드맵을 갖춘 성장 중인 오픈 사이언스 커뮤니티로 진화했다.
• 오픈소스이자 애자일 2.0 라이선스를 적용한 프레임워크는 벤더 종속성을 방지하고 연구 및 임상 환경 전반에서 넓은 보급을 가능하게 한다.