[논문 리뷰] Haploid-Diploid Evolution: Nature's Memetic Algorithm

Michail‐Antisthenis Tsompanas, Larry Bull외 2명|arXiv (Cornell University)|2019. 11. 13.

Evolution and Genetic Dynamics인용 수 4

한 줄 요약

이 논문은 이배체 생식주기의 영향을 받아 이배체 표현과 재조합을 통해 발달 효과(Baldwin effect)를 이용하는 새로운 미모적 알고리즘인 이형-이형 유전자 알고리즘(Haploid-Diploid Evolutionary Algorithm, HDEA)을 제안한다. 두 개의 단배체 게놈의 복합적 기여를 통해 적합도를 평가함으로써 HDEA는 기복이 심한 적합도 표면에서 표준 단배체 진화 알고리즘보다 뛰어난 검색 성능을 보이며, 추상적인 NK 모델 테스트와 나노입자 기반 암 치료 최적화를 위한 PhysiCell 시뮬레이션 모두에서 뛰어난 성능을 보였다.

ABSTRACT

This paper uses a recent explanation for the fundamental haploid-diploid lifecycle of eukaryotic organisms to present a new memetic algorithm that differs from all previous known work using diploid representations. A form of the Baldwin effect has been identified as inherent to the evolutionary mechanisms of eukaryotes and a simplified version is presented here which maintains such behaviour. Using a well-known abstract tuneable model, it is shown that varying fitness landscape ruggedness varies the benefit of haploid-diploid algorithms. Moreover, the methodology is applied to optimise the targeted delivery of a therapeutic compound utilizing nano-particles to cancerous tumour cells with the multicellular simulator PhysiCell.

연구 동기 및 목표

• 유전자 생물의 자연적인 단배체-이배체 주기를 모방하여 검색 효율성을 향상시키는 새로운 진화 계산 프레임워크를 개발한다.
• 발달 효과—표현형 유연성이 진화적 경로에 영향을 주는 것—가 이배체 표현을 통해 계산 알고리즘에 어떻게 통합될 수 있는지 조사한다.
• 제안된 HDEA 방법이 추상적인 적합도 표면(NK 모델)과 복잡한 생물학적 시뮬레이터(PhysiCell)를 대상으로 치료 설계에 대해 평가된다.
• 표준 단배체 진화 알고리즘과 비교해 이배체 표현과 재조합이 최적화 성능을 향상시키는지 확인한다.
• 다세포 시뮬레이션 환경에서 HDEA를 활용해 암세포로의 나노입자 전달 최적화를 위한 최적의 매개변수를 규명한다.

제안 방법

• HDEA는 각각 두 개의 단배체 게놈으로 구성된 이배체 개체를 사용하여 검색 공간 내의 해를 표현하며, 적합도 표면 상의 두 지점에 대한 일반화를 가능하게 한다.
• 적합도 평가에서는 두 단배체 게놈의 기여를 종합적으로 고려하여 우성 규칙을 적용하지 않고, 공우성 또는 부분 우성과 같은 유전자 상호작용 효과를 시뮬레이션한다.
• 생식 과정에서 미세세포 분열을 통한 재조합이 적용되어 부모의 유전자가 혼합되고, 하이브리드 특성을 가진 새로운 이배체 후손이 생성된다.
• 자연적인 이배체 생물의 생식주기를 모방하기 위해 이배체 선택과 단배체 생식세포 형성을 번갈아 적용하며, 이배체 발현을 통해 표현형의 유연성을 실현한다.
• 알고리즘은 적합도 표면의 기복 정도를 조절할 수 있는 조정 가능한 NK 모델에서 성능을 평가하고, 암 치료 최적화를 위한 PhysiCell 다세포 시뮬레이터에 적용된다.
• 30번의 독립 실행을 통해 비모수적 검정(Wilcoxon signed-rank 검정)을 사용하여 HDEA와 표준 단배체 진화 알고리즘 간의 통계적 비교를 수행한다.

실험 결과

연구 질문

• RQ1 HDEA는 기복이 심한 다양한 정도의 추상적 적합도 표면에서 표준 단배체 진화 알고리즘과 비교해 어떻게 성능을 발휘하는가?
• RQ2 HDEA에서의 이배체 표현과 재조합이 기복이 심한 복잡한 적합도 표면에서 발달 효과를 효과적으로 활용하여 검색 성능을 향상시키는가?
• RQ3 HDEA는 PhysiCell 다세포 시뮬레이터 내에서 암세포로의 나노입자 전달 최적화에서 표준 진화 알고리즘을 능가하는가?
• RQ4 HDEA 최적화를 통해 도출된 나노입자 설계에서 최적의 치료 결과를 얻는 데 기여하는 핵심 매개변수 설정은 무엇인가?
• RQ5 다수의 실행에서 평균 및 최고 해 품질 측면에서 HDEA의 성능 향상이 통계적으로 유의미한가?

주요 결과

• NK 모델에서 HDEA는 표준 단배체 진화 알고리즘보다 유의미하게 높은 평균 적합도를 기록했으며(p = 0.0256, Wilcoxon signed-rank 검정).
• NK 모델에서 최고 해는 통계적으로 유의미하게 높지 않았지만(p = 0.3763), 첫 10회의 실행에서 HDEA는 유의미하게 더 좋은 해를 찾았다(p = 0.0215).
• PhysiCell 시뮬레이션에서는 높은 확률적 변동성에도 불구하고 HDEA가 더 빠르게 더 나은 적합도를 가진 해에 도달하여, 강건성과 효율성을 입증했다.
• 카고 방출 O2 임계값 매개변수는 가장 영향력 있는 요소였으며, 최적의 해들은 11 mmHg 근처에 집중되어 있었고, 이는 이전 연구와 일치했다.
• HDEA 해들은 상대적 반발력이 낮고, 움직임 유지 시간이 더 긴 워커(walker)의 특성을 보이며, 이는 특별한 매개변수 공간 선호도를 시사한다.
• 박스플롯과 산점도 분석을 통해 HDEA는 특히 핵심 치료 설계 매개변수에 대해 더 일관되고 농축된 분포를 보였다.