[논문 리뷰] KiWi: A Scalable Subspace Clustering Algorithm for Gene Expression Analysis

Obi L. Griffith, Byron J. Gao외 4명|ArXiv.org|2009. 04. 13.

Gene expression and cancer classification참고 문헌 29인용 수 4

한 줄 요약

KiWi는 유전자 발현 데이터를 위한 확장 가능한 부분공간 군집화 알고리즘으로, 계산 비용이 높은 '가지 군집'(few genes, many experiments)을 포함한 순서 유지 부분행렬(OPSM) 군집을 효율적으로 탐지하도록 설계되었다. 이 알고리즘은 새로운 색인 및 잘라내기 전략을 활용하여 양의 상관관계와 음의 상관관계를 모두 탐지할 수 있으며, 대규모 데이터셋에서 이전 방법들에 비해 확장성과 생물학적 관련성 면에서 뛰어나다.

ABSTRACT

Subspace clustering has gained increasing popularity in the analysis of gene expression data. Among subspace cluster models, the recently introduced order-preserving sub-matrix (OPSM) has demonstrated high promise. An OPSM, essentially a pattern-based subspace cluster, is a subset of rows and columns in a data matrix for which all the rows induce the same linear ordering of columns. Existing OPSM discovery methods do not scale well to increasingly large expression datasets. In particular, twig clusters having few genes and many experiments incur explosive computational costs and are completely pruned off by existing methods. However, it is of particular interest to determine small groups of genes that are tightly coregulated across many conditions. In this paper, we present KiWi, an OPSM subspace clustering algorithm that is scalable to massive datasets, capable of discovering twig clusters and identifying negative as well as positive correlations. We extensively validate KiWi using relevant biological datasets and show that KiWi correctly assigns redundant probes to the same cluster, groups experiments with common clinical annotations, differentiates real promoter sequences from negative control sequences, and shows good association with cis-regulatory motif predictions.

연구 동기 및 목표

• 대규모 유전자 발현 데이터셋에서 기존 OPSM 탐지 방법의 확장성 한계를 해결하기 위해.
• 계산 비용이 높아 이전 방법에서 잘라내지는 경향이 있는 소규모 유전자 그룹(많은 실험 조건을 가진) '가지 군집'의 탐지를 가능하게 하기 위해.
• 실험 조건 간 유전자 발현 패턴에서 양의 상관관계와 음의 상관관계를 식별하기 위해.
• 중복 프로브, 임상적으로 애너테이션된 실험, 조절 서열을 정확히 그룹화하여 생물학적 해석 가능성 향리하기 위해.
• 부분공간 군집 패tern을 유지하면서 대규모 유전자 발현 데이터셋을 처리할 수 있는 확장 가능한 솔루션 제공하기 위해.

제안 방법

• KiWi는 열을 행 기반 순서로 정렬한 기반의 새로운 색인 구조를 사용하여 잠재적 OPSM 군집를 효율적으로 표현하고 쿼리한다.
• 하나의 유전자에서 시작하여 점진적으로 더 큰 부분행렬으로 확장하는 하향식 접근 방식을 통해 후보 군집를 구성한다.
• 순서 유지 성질과 빈도 임계값을 활용하여 비 promising한 후보군을 조기에 제거하는 잘라내기 전략을 사용한다.
• 특히 희소하거나 고차원 데이터에서 민감도와 계산 비용의 균형을 맞추기 위해 동적 임계값 설정 메커니즘을 통합한다.
• 동일한 행렬 내에서 열 색인의 역순서를 고려함으로써 양의 상관관계와 음의 상관관계를 모두 탐지할 수 있도록 한다.
• 데이터베이스 기반 색인 및 쿼리 최적화 기법을 활용하여 기하급수적인 탐색 공간 증가를 줄이고 대규모 데이터셋에 스케일링한다.

실험 결과

연구 질문

• RQ1 부분공간 군집 알고리즘이 많은 실험 조건에서 소규모이면서도 높은 공조화를 보이는 유전자 군집(가지 군집)을 효율적으로 탐지할 수 있는가?
• RQ2 계산 비용이 막대한 비용 없이 대규모로 순서 유지 부분행렬(OPSMs)을 어떻게 탐지할 수 있는가?
• RQ3 KiWi는 얼마나 잘 유전자 발현 패턴에서 양의 상관관계와 음의 상관관계를 탐지할 수 있는가?
• RQ4 기존 방법에 비해 KiWi는 군집 결과의 생물학적 일관성에서 향상된 성능을 보이는가?
• RQ5 KiWi는 중복 프로브를 정확히 그룹화하고 군집을 임상 애너테이션 및 조절 모티프와 연결할 수 있는가?

주요 결과

• KiWi는 중복 프로브를 동일한 군집에 포함시켜 기존 생물학적 중복성과 일관성을 보여주었다.
• 알고리즘은 공통적인 임상 애너테이션을 가진 실험을 정확히 그룹화하여 생물학적 메타데이터와의 일치를 보였다.
• KiWi는 실제 프로모터 서열과 부정적 대조 서열을 구분하여 군집 할당에서 생물학적 특이성을 보였다.
• 발견된 군집의 기능적 관련성을 지지하기 위해 cis-조절 모티프 예측과 강한 연관성을 보였다.
• 기존 방법에서 잘라내지는 이전에 해결 불가능했던 가지 군집을 탐지할 수 있도록 확장성 향상이 크게 이루어졌다.
• 대규모 유전자 발현 데이터셋에서 뛰어난 성능을 보였으며, 부분공간 군집 탐지에서 높은 정밀도와 재현율을 유지했다.