[논문 리뷰] Lomics: Generation of Pathways and Gene Sets using Large Language Models for Transcriptomic Analysis

Chun‐Ka Wong, Ali Choo외 12명|arXiv (Cornell University)|2024. 07. 12.

Genomics and Phylogenetic Studies인용 수 4

한 줄 요약

Lomics는 대규모 언어 모델(Large Language Models, LLMs)을 활용하여 특정 전사체 연구 질문에 맞게 맞춤형으로 생물학적으로 관련성이 높은 유전자 집합과 경로를 생성하는 파이썬 기반 생물정보학 툴킷이다. LLM 기반 추론, JSON 검증 및 HGNC 유전자 기호 검사 등을 통해 경로 선택, 유전자 집합 생성 및 검증을 간소화하여 다중 검정 수를 줄임으로써 통계적 검정력이 향상된 표준화된 .GMX 파일을 생성한다.

ABSTRACT

Interrogation of biological pathways is an integral part of omics data analysis. Large language models (LLMs) enable the generation of custom pathways and gene sets tailored to specific scientific questions. These targeted sets are significantly smaller than traditional pathway enrichment analysis libraries, reducing multiple hypothesis testing and potentially enhancing statistical power. Lomics (Large Language Models for Omics Studies) v1.0 is a python-based bioinformatics toolkit that streamlines the generation of pathways and gene sets for transcriptomic analysis. It operates in three steps: 1) deriving relevant pathways based on the researcher's scientific question, 2) generating valid gene sets for each pathway, and 3) outputting the results as .GMX files. Lomics also provides explanations for pathway selections. Consistency and accuracy are ensured through iterative processes, JSON format validation, and HUGO Gene Nomenclature Committee (HGNC) gene symbol verification. Lomics serves as a foundation for integrating LLMs into omics research, potentially improving the specificity and efficiency of pathway analysis.

연구 동기 및 목표

• 기존의 경로 부여 분석이 고정된 대규모 유전자 집합 라이브러리를 기반으로 하여 다중 가설 검정을 증가시키는 한계를 해결하기 위해.
• 연구자가 LLM을 활용해 자신의 특정 생물학적 질문과 부합하는 작고 집중적인 유전자 집합과 경로를 생성할 수 있도록 하기 위해.
• 넓은 경로 라이브러리에서 발생하는 노이즈와 위양성 결과를 줄임으로써 전사체 데이터 분석의 효율성과 특이성을 향상시키기 위해.
• 경로 선택 결정에 대한 설명을 포함한 재현 가능하고 검증된 워크플로우를 제공하기 위해.
• 사용자 친화적이고 오픈소스인 툴킷(Lomics v1.0)을 통해 LLM을 시스템 생물학 워크플로우에 통합하기 위해.

제안 방법

• Lomics는 세 단계의 파이프라인을 활용한다: (1) 사용자의 과학적 질문에서 관련 경로를 LLM 기반으로 유도한다.
• LLM 추론과 유전자 기호 검증을 통해 각 선택된 경로에 대해 유효하고 생물학적으로 일관된 유전자 집합을 생성한다.
• 모든 출력물은 구조적 정확성을 보장하기 위해 JSON 스키마 검사를 통해 검증된다.
• 유전자 기호는 HUGO 유전자 명명위원회(HUGO Gene Nomenclature Committee, HGNC) 데이터베이스와 교차 확인되어 명명법 정확성이 확보된다.
• 툴킷은 출력 결과를 경로 분석 도구에서 사용하는 표준 형식인 .GMX 형식으로 제공한다.
• 경로 및 유전자 집합 선택에 대한 설명은 LLM이 생성하여 해석 가능성과 재현 가능성을 향상시킨다.

실험 결과

연구 질문

• RQ1 LLM은 특정 전사체 연구 질문에 맞게 생물학적으로 관련성이 높은 맞춤형 유전자 집합을 효과적으로 생성할 수 있는가?
• RQ2 LLM은 유전자 집합 라이브러리의 크기를 줄임으로써 경로 부여 분석의 특이성과 통계적 검정력을 어떻게 향상시킬 수 있는가?
• RQ3 LLM은 옴스 연구에서 경로 및 유전자 집합 선택에 대해 설명 가능하고 타당한 근거를 제공할 수 있는가?
• RQ4 JSON 스키마 및 HGNC 검사와 같은 검증 메커니즘을 통해 LLM 기반 워크플로우가 유전자 집합 생성의 일관성과 정확성을 유지할 수 있는가?
• RQ5 LLM의 생물정보학 파이프라인에의 통합은 전사체 데이터 분석의 효율성과 사용성에 어떻게 기여하는가?

주요 결과

• Lomics는 사용자의 연구 질문과 정확히 부합하는 작고 집중적인 유전자 집합과 경로를 성공적으로 생성하여 테스트할 가설 수를 줄였다.
• HGNC 데이터베이스 통합을 통해 유전자 기호 사용의 높은 정확도를 확보하여 명명법 오류를 최소화했다.
• 모든 출력물은 JSON 스키마 검사를 통해 검증되어 생성된 유전자 집합의 구조적 무결성과 재현 가능성을 보장했다.
• LLM이 인간이 이해할 수 있는 설명을 제공하여 경로 및 유전자 집합 선택의 투명성과 해석 가능성을 향상시켰다.
• Lomics 출력물은 .GMX 파일 형식을 통해 표준 옴스 분석 도구와 호환되어 기존 워크플로우에 원활하게 통합될 수 있었다.
• 이 프레임워크는 LLM을 활용해 전사체 경로 분석의 특이성과 효율성을 향상시킬 수 있음을 입증했다.