[논문 리뷰] Mixed membership analysis of genome-wide expression data

Edoardo M. Airoldi, Stephen E. Fienberg외 1명|ArXiv.org|2007. 11. 15.

Gene expression and cancer classification참고 문헌 17인용 수 6

한 줄 요약

이 논문은 SAGE 데이터로부터 잠재적 유전자 발현 주제를 식별하기 위해 혼합 소속성과 전염 과정을 갖춘 계층적 베이지안 모델을 제안하며, 공존하는 특징 간의 종속성을 포착함으로써 유전자 기능 예측을 향상시킨다. 이 방법은 독립성 기반 모델보다 부드러운 클러스터링을 가능하게 하여 더 날카롭고 현실적인 파rameter 추정을 가능하게 하는 변분 추론을 통해 우수한 성능을 보인다.

ABSTRACT

Learning latent expression themes that best express complex patterns in a sample is a central problem in data mining and scientific research. For example, in computational biology we seek a set of salient gene expression themes that explain a biological process, extracting them from a large pool of gene expression profiles. In this paper, we introduce probabilistic models to learn such latent themes in an unsupervised fashion. Our models capture contagion, i.e., dependence among multiple occurrences of the same feature, using a hierarchical Bayesian scheme. Contagion is a convenient analytical formalism to characterize semantic themes underlying observed feature patterns, such as biological context. We present model variants tailored to different properties of biological data, and we outline a general variational inference scheme for approximate posterior inference. We validate our methods on both simulated data and realistic high-throughput gene expression profiles via SAGE. Our results show improved predictions of gene functions over existing methods based on stronger independence assumptions, and demonstrate feasibility of a promising hierarchical Bayesian formalism for soft clustering and latent aspects analysis.

연구 동기 및 목표

• 특징 간 독립성과 고정된 클러스터 할당을 가정하는 기존 클러스터링 방법의 한계를 해결하기 위해.
• 반복적인 특징 발생 간의 종속성을 포괄하는 '전염' 개념을 도입함으로써 유전자 발현 데이터의 복잡한 생물학적 변동성을 모델링하기 위해.
• 생물학적 맥락을 반영하는 잠재적 발현 주제를 식별하기 위한 유연하고 비지도 프레임워크를 개발하기 위해.
• 개선된 추론의 안정성을 확보하기 위해 도메인 특화 사전 분포를 계층적 베이지안 구조에 통합하기 위해.
• 모델의 타당성을 검증하기 위해 시뮬레이션 데이터와 실제 마우스 망막 SAGE 데이터를 바탕으로 기능 예측 정확도 향상을 입증하기 위해.

제안 방법

• 각 유전자 발현이 다수의 잠재 주제의 혼합으로 구성되며, 부드러운 클러스터링을 위해 Dirichlet 분포를 따르는 소속도 가중치(θn)를 사용하는 계층적 베이지안 모델을 사용한다.
• 반복적인 특징 발생 간의 종속성을 모델링하기 위해 '전염' 과정을 도입하여 생물학적 맥락을 더 풍부하게 표현할 수 있도록 한다.
• 잠재 변수의 사후 분포 추정을 효율적으로 수행하기 위해 일반적인 변분 추론 기반 평균장 근사법을 적용한다.
• 유전자 발현 수를 모델링하기 위해 포isson 및 음이항 분포를 사용하며, 주제별 비율에 하이퍼프리오어를 설정한다.
• 고정된 클러스터 할당을 잠재적 Dirichlet 분포 소속도 벡터로 대체함으로써 PoissonL 알고리즘을 확장한다.
• 주로 유전자 발현 프로파일을 시간 또는 조건에 따라 분석할 수 있도록 시리얼 분석 유전자 발현(SAGE) 데이터를 주요 데이터 소스로 사용한다.

실험 결과

연구 질문

• RQ1 특징 간 독립성을 가정하는 모델에 비해 혼합 소속성과 전염 과정을 갖춘 계층적 베이지안 모델이 유전자 발현 패턴의 복잡성을 더 잘 포착할 수 있는가?
• RQ2 전염 과정의 포함이 SAGE 데이터에서 생물학적으로 의미 있는 발현 주제를 식별하는 데 어떤 영향을 미치는가?
• RQ3 기존의 PoissonL 및 카이제곱 스코링을 사용한 K-means와 비교했을 때, 제안된 모델이 유전자 기능 예측 정확도를 얼마나 향상시키는가?
• RQ4 계층적 구조에서 하이퍼프리오어를 통해 도메인 특화 사전 지식을 효과적으로 통합할 수 있는가?
• RQ5 변분 추론 접근법이 대규모 유전자 발현 데이터에 대해 정확하고 계산적으로 실현 가능한 사후 추정을 제공하는가?

주요 결과

• 강한 독립성 가정에 기반한 기존 방법에 비해 제안된 모델이 유전자 기능 예측 정확도를 향상시킨다.
• 전염 과정의 포함으로 인해 생물학적 경로에서 관찰되는 특징 공존 패턴을 더 현실적으로 모델링할 수 있다.
• 변분 추론은 계층적 모델에서 사후 추정을 근사하는 데 있어 확장 가능하고 효율적인 접근법을 제공한다.
• 모델은 시뮬레이션 데이터와 실제 마우스 망막 SAGE 프로파일 모두에서 타당성과 효과성을 입증한다.
• GO 어노테이션을 이용한 생물학적 검증 결과, 유사한 기능 어노테이션을 가진 유전자가 동일한 잠재 주제에 클러스터링되는 경향이 있어 생물학적 관련성을 확인한다.
• 독립성 기반 모델에 비해 모델이 도출한 추정치가 더 날카롭게 나타나, 현실적인 데이터 변동성 하에서 더 나은 파라미터 추정이 이루어지는 것으로 나타난다.