[논문 리뷰] Signed iterative random forests to identify enhancer-associated transcription factor binding

Karl Kumbier, Sumanta Basu외 5명|arXiv (Cornell University)|2018. 10. 16.

Genomics and Chromatin Dynamics참고 문헌 29인용 수 14

한 줄 요약

이 논문은 *Drosophila melanogaster*에서 엔하נס서 활성화와 관련된 조합적 전사인자(TF) 결합 패턴—특히 TF의 증가 및 감소 패턴을 반영한 부호화된 상호작용—을 식별하는 감독형이고 해석 가능한 기계학습 방법인 서명된 반복 랜덤 포레스트(signed iterative random forests, siRF)를 소개한다. ChIP-seq 데이터와 엔하נס서 활성 점수를 기반으로 훈련한 siRF는 684개의 고차원 TF 상호작용(단계 간 유일한 상호작용 505개 포함)을 탐지하여 기능적 엔하נס서를 예측하는 데 높은 정확도(AUROC 최대 0.94)를 달성했으며, 기존 피크 콜링 방법에 비해 거짓 양성 수를 감소시킨 전장 게놈 범위의 기능적 피크 예측을 생성한다.

ABSTRACT

Standard ChIP-seq peak calling pipelines seek to differentiate biochemically reproducible signals of individual genomic elements from background noise. However, reproducibility alone does not imply functional regulation (e.g., enhancer activation, alternative splicing). Here we present a general-purpose, interpretable machine learning method: signed iterative random forests (siRF), which we use to infer regulatory interactions among transcription factors and functional binding signatures surrounding enhancer elements in Drosophila melanogaster.

연구 동기 및 목표

• 표준 ChIP-seq 피크 콜링의 한계를 해결하기 위해, 이는 생화학적으로 재현 가능한 신호를 식별하지만 반드시 기능적으로 관련된 조절 상호작용을 의미하지는 않는다.
• TF 결합 패턴을 고차원적이고 해석 가능한 모델로 통합하여, 협동적 및 경쟁적 TF 상호작용을 포착하는 방법을 개발한다.
• 단순히 재현 가능성에 의존하는 것 외에도, 엔하анс서 활성과 통계적으로 관련된 기능적 결합 이벤트(기능적 피크)를 예측한다.
• 발달 단계 전반에 걸쳐 *Drosophila*에서 엔하анс서 활성과 관련된 서명된 상호작용(특히 TF의 증가/감소 패턴)을 체계적으로 발견하고 순위를 매긴다.
• 엔하анс서 매개 유전자 조절의 조절 로직을 전장 게놈 범위에서 일반적으로 적용 가능한 해석 가능한 프레임워크를 제공한다.

제안 방법

• siRF는 각 상호작용이 특정한 TF의 증가 또는 감소 패턴 조합을 인코딩하는 서명된 상호작용 탐지 기능을 통합한 반복 랜덤 포레스트(iRF)의 확장이다.
• 이 방법은 7,705개의 게놈 세그먼트에서 각기 다른 5개의 발달 단계에서 엔하анс서 강도를 평가한 점수와 원시 ChIP-seq 신호를 기반으로 랜덤 포레스트를 훈련하여 엔하анс서 활성을 예측한다.
• 서명된 상호작용는 포레스트 전반에서 안정적인 결정 규칙에서 유도되며, 함께 존재하거나 상호 배제되는 TF 조합이 엔하анс서 활성과 상관관계를 가지는 패턴을 나타낸다.
• 기능적 피크 점수는 각 서명된 상호작용의 결정 규칙을 모든 게놈 세그먼트에 적용하여 가짜 기능적 결합 이벤트의 전장 게놈 맵을 생성한다.
• 허수 중요도 지표를 기반으로 한 필터링 단계는 임의의 상호작용을 제거하여 정밀도를 향상시키고 양성 예측 값(positive predictive value)을 높인다.
• 이 접근법은 피크 콜링을 감독형 특징 선택 문제로 간주하여 생화학적 재현 가능성 외에도 기능적이지 않은 결합과 기능적인 결합을 구분한다.

실험 결과

연구 질문

• RQ1 감독형 기계학습 접근법이 단순한 피크 재현 가능성 외에도 예측 가능한 기능적 엔하анс서 활성과 관련된 고차원적이고 해석 가능한 전사인자 상호작용을 탐지할 수 있는가?
• RQ2 특히 협동적 및 경쟁적 결합 패턴을 포함한 TF의 증가 및 감소 패턴은 *Drosophila* 배아 발달에서 기능적 엔하анс서 활성과 어떻게 관련되어 있는가?
• RQ3 이 방법은 생물학적으로 의미 있는 기능적 결합 피크를 식별하고, 표준 피크 콜링 파이프라인에 비해 거짓 양성 수를 줄이는 비핫스팟 영역에 집중할 수 있는가?
• RQ4 siRF는 알려진 조절 로직(예: eve 스타일 2 엔하анс서에서의 경우)을 얼마나 잘 복원하고, 발달 시간대 전반에 걸쳐 새로운 상호작용을 예측할 수 있는가?
• RQ5 예측된 상호작용 패턴과 기능적 피크 점수는 시간과 공간에 따라 변하는 유전자 발현과 알려진 발달 패턴 형성 경로와 얼마나 관련이 있는가?

주요 결과

• siRF는 초기 단계 엔하анс서에 대해 높은 예측 정확도를 달성했으며(강한 엔하анс서의 AUROC = 0.94, 단계 4–8), 후기 단계에서는 성능이 저하되었다(강한 엔하анс서의 AUROC = 0.77, 단계 15–16).
• 이 방법은 최대 4개의 TF를 포함한 총 684개의 서명된 상호작용(단계 간 유일한 상호작용 505개 포함)을 식별했으며, 이는 엔하анс서 활성과 관련된 TF의 증가 및 감소 패턴을 반영한 것으로, 가능한 모든 상호작용의 검색 공간을 99.9% 이상 감소시켰다.
• 발견된 상호작용의 85% 이상(684개 중 457개)이 높은 정확도를 보인 초기 발달 단계(4–8)에서 식별되었으며, 이는 핵심 조절 창에서 강력한 예측 능력을 지닌다는 것을 시사한다.
• siRF가 생성한 기능적 피크 점수는 비핫스팟 영역에 크게 풍부하게 분포되어 있었으며, 표준 IDR 기반 피크 콜과 비교해 기능적 엔하анс서와의 상관관계가 더 강했다. 이는 엔하анс서 대비 비엔하анс서 피크 비율이 더 높다는 것으로 확인되었다.
• GO 부족 분석 결과, 갭 관련 TF에 대해 siRF가 예측한 기능적 피크와 관련된 유전자는 앞뒤 축 패턴 형성 및 분할 경로에서 유의미하게 풍부하게 발견되어 생물학적 관련성을 검증했다.
• 이 방법은 eve 스타일 2 엔하анс서 내 알려진 조절 로직을 성공적으로 복원했으며, Bcd, Hb, Kr, Gt의 협동적 및 경쟁적 역할을 확인했고, 시간과 공간에 따라 다른 동적 패턴을 보이는 새로운 상호작용 클러스터를 예측했다.