[논문 리뷰] ncRNA Classification with Graph Convolutional Networks

Emanuele Rossi, Federico Monti외 2명|arXiv (Cornell University)|2019. 05. 16.

RNA and protein synthesis mechanisms인용 수 12

한 줄 요약

이 논문은 비코딩 RNA(ncRNA)를 원시 RNA 접힘 그래프에서 직접 분류하는 그래프 컨volution 네트워크인 RNAGCN을 소개한다. 이는 13개의 ncRNA 가족에서 85.73%의 정확도와 85.61%의 F1 스코어를 달성하며, 수동으로 설계된 그래프 특징을 요구하지 않는 점에서 기존 최고 성능 기법인 nRC를 능가한다. 엣지 인식 컨볼루션과 주의 기반 전역 풀링을 활용함으로써 성능이 향상되었다.

ABSTRACT

Non-coding RNA (ncRNA) are RNA sequences which don't code for a gene but instead carry important biological functions. The task of ncRNA classification consists in classifying a given ncRNA sequence into its family. While it has been shown that the graph structure of an ncRNA sequence folding is of great importance for the prediction of its family, current methods make use of machine learning classifiers on hand-crafted graph features. We improve on the state-of-the-art for this task with a graph convolutional network model which achieves an accuracy of 85.73% and an F1-score of 85.61% over 13 classes. Moreover, our model learns in an end-to-end fashion from the raw RNA graphs and removes the need for expensive feature extraction. To the best of our knowledge, this also represents the first successful application of graph convolutional networks to RNA folding data.

연구 동기 및 목표

• RNA 이차 구조의 구조적 토폴로지를 활용하여 ncRNA 분류 정확도를 향상시키기 위해.
• 이전 방법에서 사용하는 수동으로 설계된 그래프 특징 추출이 필요 없도록 하기 위해.
• 초기에는 RNA 접힘 그래프에 직접 그래프 신경망, 특히 GCN를 적용하기 위해.
• 원시 RNA 그래프로부터 계층적이고 맥락 인식 가능한 표현을 학습하여 분류 성능을 향상시키는 모델을 개발하기 위해.
• 엔드 투 엔드 딥 러닝 접근 방식을 통해 기준 ncRNA 분류 데이터셋에서 최고 성능을 달성하기 위해.

제안 방법

• 모델은 노드가 뉴클레오티드이고, 엣지는 인산디에스터 결합(검은색)과 수소 결합(빨간색)을 나타내는 그래프로 RNA 서열을 처리한다.
• 초기 임bedding 레이어는 각 뉴클레오티드를 학습 가능한 연속 벡터 표현으로 매핑한다.
• 배치 정규화와 Leaky-ReLU 활성화 함수를 적용한 다중 그래프 컨볼루션 레이어가 메시지 전달을 통해 노드 수준의 특징을 정교화한다.
• 엣지 인식 컨볼루션은 특징 전파 동안 서로 다른 결합 유형(인산디에스터 결합 대비 수소 결합)을 명시적으로 모델링한다.
• 다른iable LSTM를 사용하여 노드 표현을 주의 기반으로 집계하는 set2set 풀링 레이어가 전역 그래프 수준의 임베딩을 생성한다.
• 최종적으로 소프트맥스 활성화 함수를 사용하는 완전 연결 레이어가 13개의 ncRNA 가족에 대한 클래스 확률을 산출한다.

실험 결과

연구 질문

• RQ1 그래프 컨볼루션 네트워크는 원시 RNA 접힘 그래프에서 수동으로 설계된 특징을 초월하여 ncRNA 분류 성능을 향상시킬 수 있는가?
• RQ2 인산디에스터 결합과 수소 결합을 구분하는 엣지 인식 컨볼루션을 통합하면 분류 성능이 향상되는가?
• RQ3 주의 기반 전역 풀링 메커니즘은 기능적으로 관련성이 높은 노드에 집중함으로써 표현 학습을 향상시킬 수 있는가?
• RQ4 RNA 그래프에 GCN를 엔드 투 엔드로 훈련시키는 것이 nRC 및 RNACon과 같은 특징 공학 기반 기준 모델을 능가하는가?
• RQ5 GCN 기반 모델은 기존 최고 성능 기법 대비 표준 ncRNA 분류 벤치마크에서 어떤 성능 향상을 보이는가?

주요 결과

• RNAGCN는 13개 클래스 테스트 세트(test13)에서 85.73%의 테스트 정확도를 달성하여 nRC의 81.81%를 뛰어넘었다.
• 12개 클래스 테스트 세트(test12)에서는 85.29%의 정확도를 기록했으며, RNACon(37.17%)과 nRC(81.04%)를 모두 초월했다.
• test13에서는 F1 스코어 85.61%, test12에서는 86.30%를 기록하여 다양한 지표에서 일관된 향상을 보였다.
• MCC 스코어는 test13에서 84.59%, test12에서 84.07%에 도달하여 예측값과 진짜 레이블 간의 강한 상관관계를 나타냈다.
• 성능 향상의 원인은 원시 그래프에서의 엔드 투 엔드 학습과 생물학적으로 관련성이 높은 노드에 초점을 맞춘 주의 기반 풀링에 기인한다.
• 제거 실험 결과 엣지 인식 컨볼루션과 주의 풀링이 핵심 구성 요소임을 확인하였으며, 이를 제거하면 성능이 저하됨을 입증했다.