[논문 리뷰] Image-based Parameter Inference for Spatio-temporal models of Organogenesis

Britta Velten, Erkan Uenal외 1명|arXiv (Cornell University)|2014. 06. 10.

Pluripotent Stem Cells Research참고 문헌 4인용 수 3

한 줄 요약

이 논문은 생체 발달의 시공간 모델에서 영상 데이터로부터의 매개변수 추론을 위한 하이브리드 계산 프레임워크를 제시한다. 결정 트리 알고리즘을 사용해 초깃값을 추정하고, SNOPT 최적화를 통해 모델 출력을 정밀하게 조정한다. 이 방법은 쥐의 사지 봉우리 모델에서 목표 유전자 발현 패턴을 성공적으로 복원하였으며, 적합도 함수를 13,989에서 4,526으로 감소시켜 영상 데이터로부터의 자동 매개변수 추론의 가능성을 입증한다.

ABSTRACT

Advances in imaging technology now provide us with detailed 3D data on gene expression patterns in developing embryos. This information can be used to build predictive mathematical models of embryogenesis. Current modelling approaches are, however, limited by lack of methods to automatically infer the regulatory networks and the parameter values from the image-based information. Here we make a first step to the development of such methods. We use limb bud development as a model system. For a given regulatory network we developed a decision tree based algorithm to automatically determine parameter values for which the model reproduces the expression patterns. Starting from this parameter set, local optimization was performed to further reduce the chosen goodness-of-fit measure. This approach allowed us to recover the target expression patterns, as judged by eye, and thus provides a first step towards the automated inference of parameter values for a given regulatory network.

연구 동기 및 목표

• embryonic 발달의 3D 영상 데이터로부터 조절 네트워크 매개변수를 자동으로 추론할 수 있는 방법의 부족을 해결하기 위해.
• 영상 기반 발현 패턴을 예측 가능한 수학적 모델에 통합하는 계산적으로 효율적인 접근법을 개발하기 위해.
• 핵심 조절 성분과 그들이 공간 패턴 형성에 미치는 영향을 식별함으로써 체계적이고 단계적인 매개변수 추론을 가능하게 하기 위해.
• 계층적 매개변수 조정과 기울기 기반 최적화를 통해 계산 비용을 줄이면서도 정확도를 유지하기 위해.
• 시뮬레이션 데이터를 사용해 방법을 검증하여, 실험적으로 관찰된 발현 패턴을 재현할 수 있는 능력을 입증하기 위해.

제안 방법

• 2차원 반응-확산 PDE 모델이 사지 봉우리 내에서 FGF10, FGF8, BMP, WNT 및 그 수용체 복합체의 시공간 역학을 시뮬레이션한다.
• 모델은 힐 함수를 통한 비선형 피드백을 포함하며, 확산, 분해 및 수용체-리간드 결합 동역학을 수반한다.
• 결정 트리 알고리즘이 핵심 성분(예: WNT, FGF8)이 특정 조직(예: 외 ectoderm, AER)에 정확히 국소화되어 있는지를 테스트함으로써 매개변수를 순차적으로 추정한다.
• 방향성 영향(예: 목표물이 부재할 경우 생산률 증가)에 따라 매개변수를 두 배 또는 반으로 조정하여 기준 패턴과 일치할 때까지 반복한다.
• SNOPT는 애드조인트 방법을 사용하는 기울기 기반 최적화 알고리즘으로, 시뮬레이션된 발현 패턴과 목표 패턴 간의 차이를 최소화하는 적합도 함수를 사용해 매개변수를 정밀하게 조정한다.
• 상대 발현 수준를 고려하기 위해 스케일링 인자(λi)를 추가 매개변수로 도입하여 절대값 제약 조건을 피한다.

실험 결과

연구 질문

• RQ1 결정 트리 기반 알고리즘이 시공간 발달 모델의 매개변수 추정 초깃값을 효과적으로 안내할 수 있는가?
• RQ2 결정 트리 출력을 초기값으로 사용할 때 SNOPT를 이용한 기울기 기반 최적화가 모델 정확도를 얼마나 향상시킬 수 있는가?
• RQ3 통합된 접근법은 사지 봉우리 발달에서 관찰된 복잡한 다성분 유전자 발현 패턴을 재현할 수 있는가?
• RQ4 PDE 기반 발달 모델의 매개변수 추론에서 모델 충실도를 유지하면서 계산 비용을 어떻게 줄일 수 있는가?
• RQ5 조절 계층에 기반한 순차적 매개변수 업데이트가 생물학적으로 타당한 매개변수 조합에 수렴하는 데 어떤 역할을 하는가?

주요 결과

• 결정 트리 방법은 초기 매개변수에서 적합도 함수를 13,989에서 5,598으로 감소시켜 패턴 정밀도를 크게 향상시켰다.
• 이후 SNOPT 최적화로 적합도 함수는 4,526으로 추가로 감소하여 목표 패턴 값인 3,852에 가까워졌다.
• 최적화된 모델은 FGF10, FGF8, BMP, WNT의 공간 발현 패턴을 올바른 조직 영역(중간엽, AER, 외 ectoderm)에서 성공적으로 재현하였다.
• Hill 상수를 제외하고 최적화 중 시뮬레이션 정확도를 낮춤으로써 계산 시간을 약 24시간에서 약 2시간으로 10배 감소시켰다.
• 스케일링 인자(λi)를 매개변수로 포함시킴으로써 절대 농도 값이 필요 없이 상대 발현 수준 간의 견고한 비교가 가능해졌다.
• 계층적이고 성분별 매개변수 추정 전략은 복잡한 조절 네트워크의 고차원 매개변수 공간을 효과적으로 탐색하는 데 성공했다.