[논문 리뷰] Stacked Autoencoder Based Multi-Omics Data Integration for Cancer Survival Prediction

Desheng Wu, Qiulian Fang|arXiv (Cornell University)|2022. 07. 08.

Bioinformatics and Genomic Networks인용 수 5

한 줄 요약

이 논문은 TCGA 데이터셋에서 암 생존 예측 성능을 향상시키기 위해 다중오미크스 데이터(예: 유전자 발현, CNV)와 임상 데이터를 통합하는 스택드 오토인코더 기반의 딥러닝 프레임워크인 SAEsurv-net을 제안한다. 각 오미크스 유형별로 먼저 차원 감소를 적용하고, 이후 다중오미크스 통합을 위한 두 번째 단계의 차원 감소 전략을 적용함으로써 고차원성과 데이터 이질성을 효과적으로 완화하며, 단일 오미크스 및 최신 기술 대비 뛰어난 성능을 달성한다.

ABSTRACT

Cancer survival prediction is important for developing personalized treatments and inducing disease-causing mechanisms. Multi-omics data integration is attracting widespread interest in cancer research for providing information for understanding cancer progression at multiple genetic levels. Many works, however, are limited because of the high dimensionality and heterogeneity of multi-omics data. In this paper, we propose a novel method to integrate multi-omics data for cancer survival prediction, called Stacked AutoEncoder-based Survival Prediction Neural Network (SAEsurv-net). In the cancer survival prediction for TCGA cases, SAEsurv-net addresses the curse of dimensionality with a two-stage dimensionality reduction strategy and handles multi-omics heterogeneity with a stacked autoencoder model. The two-stage dimensionality reduction strategy achieves a balance between computation complexity and information exploiting. The stacked autoencoder model removes most heterogeneities such as data's type and size in the first group of autoencoders, and integrates multiple omics data in the second autoencoder. The experiments show that SAEsurv-net outperforms models based on a single type of data as well as other state-of-the-art methods.

연구 동기 및 목표

• 다중오미크스 데이터 통합을 위한 암 생존 예측에서 고차원성과 데이터 이질성 문제를 해결하기 위해.
• 다양한 오미크스 데이터 유형 간 비선형 관계를 효과적으로 포착할 수 있는 딥러닝 프레임워크를 개발하기 위해.
• 통합된 저차원 잠재 공간에서 다중오미크스 데이터를 통합하여 예측 정확도를 향상시키기 위해.
• 두 단계의 차원 감소 전략을 통해 계산 효율성과 정보 유지 간의 균형을 맞추기 위해.
• TCGA 데이터를 활용하여 다양한 암 유형에 적용 가능한 확장성 있고 일반화 가능한 방법을 제공하기 위해.

제안 방법

• 두 단계의 차원 감소 전략을 적용: 먼저 각 오미크스 유형별로 개별 오토인코더가 차원을 감소시키고, 이후 최종 오토인코더가 다양한 오미크스 간에 감소된 특징을 통합한다.
• 스택드 오토인코더를 사용하여 이질적인 오미크스 데이터의 비선형적 저차원 표현을 학습하며, 버블넥 레이어를 통해 압축과 특징 추출을 강제한다.
• 다른 오미크스 유형에 맞게 개별 오토인코더 아키텍처를 사용하며, 각 데이터셋에 최적화된 하이퍼파rameter(예: 학습률, 드롭아웃, 활성화 함수)를 설정한다.
• 최종 위험 예측 네트워크는 통합된 잠재 표현을 기반으로 생존 결과를 예측하기 위해 생존 손실 함수를 사용하여 훈련된다.
• 검증 세트를 사용하여 각 암 유형(GBM, OV, BRCA)별 하이퍼파ram터 튜닝을 수행하며, 다수의 에포크와 미니배치를 통해 모델을 훈련한다.
• 과적합을 줄이고 일반화 성능을 향상시키기 위해 정규화 및 정규화(L2 및 L1)를 프레임워크에 통합한다.

실험 결과

연구 질문

• RQ1 스택드 오토인코더 기반 모델이 이질적인 다중오미크스 데이터(예: 유전자 발현, CNV)를 효과적으로 통합하여 암 생존 예측에 활용할 수 있는가?
• RQ2 두 단계의 차원 감소 전략이 계산 복잡도를 줄이면서도 예측 성능을 향상시키는가?
• RQ3 SAEsurv-net은 단일 오미크스 모델 및 최신 기술 다중오미크스 통합 방법에 비해 생존 예측 정확도에서 뛰어나게 성능을 발휘하는가?
• RQ4 데이터 차원 감소 과정에서 생물학적으로 관련된 특징을 얼마나 잘 유지하는가?
• RQ5 최소한의 재구성으로 다양한 암 유형(GBM, OV, BRCA)에 대해 일반화 가능한가?

주요 결과

• SAEsurv-net은 TCGA의 GBM, OV, BRCA 데이터셋에서 단일 오미크스 모델 및 여러 최신 기술 모델을 모두 초월하여 생존 예측 정확도에서 뛰어난 성능을 보였다.
• 두 단계의 차원 감소 전략은 특징 공간을 효과적으로 감소시키면서도 예측 정보를 유지하여 계산 비용과 모델 성능 간의 균형을 잘 맞췄다.
• 스택드 오토인코더 아키텍처는 오미크스 유형 간의 데이터 이질성을 효과적으로 완화하여 다양한 데이터 모odal 간의 효과적인 통합을 가능케 하였다.
• 모든 비교 방법 중에서 가장 높은 C-index 값을 기록하였으며, 개별 암 유형에서 기준 모델 대비 C-index가 최대 0.05–0.08 향상되었다.
• 하이퍼파ram터 설정은 각 암 유형에 맞게 최적화되었으며, 별도의 학습률, 드롭아웃 비율, 버블넥 유닛 수가 최적의 성능을 내는 데 기여하였다.
• 소스 코드는 GitHub에 공개되어 있어 재현성과 다른 암 유형 또는 오미크스 데이터에 대한 확장이 가능하다.