[논문 리뷰] Using the Gene Ontology Hierarchy when Predicting Gene Function

Sara Mostafavi, Quaid Morris|arXiv (Cornell University)|2012. 05. 09.

Bioinformatics and Genomic Networks참고 문헌 23인용 수 28

한 줄 요약

이 논문은 유전자 기능 예측을 향상시키기 위해 유전자 온톨로지(Gene Ontology, GO) 어휘의 계층적 구조를 활용하는 두 가지 새로운 방법을 제안한다. 첫 번째 방법은 기존의 애너테이션을 사전 확률 분포로 사용하여 계층적 관계를 반영한다. 두 번째 방법은 선형 시스템 해법을 통해 그래프 기반 준지도 학습을 확장한다. 결과적으로 계층적 관계를 직접 사용할 경우 사전 조정 방법보다 성능이 뛰어나며, GO의 의미적 관계를 통합함으로써 예측 정확도가 향상된다.

ABSTRACT

The problem of multilabel classification when the labels are related through a hierarchical categorization scheme occurs in many application domains such as computational biology. For example, this problem arises naturally when trying to automatically assign gene function using a controlled vocabularies like Gene Ontology. However, most existing approaches for predicting gene functions solve independent classification problems to predict genes that are involved in a given function category, independently of the rest. Here, we propose two simple methods for incorporating information about the hierarchical nature of the categorization scheme. In the first method, we use information about a gene's previous annotation to set an initial prior on its label. In a second approach, we extend a graph-based semi-supervised learning algorithm for predicting gene function in a hierarchy. We show that we can efficiently solve this problem by solving a linear system of equations. We compare these approaches with a previous label reconciliation-based approach. Results show that using the hierarchy information directly, compared to using reconciliation methods, improves gene function prediction.

연구 동기 및 목표

• 유전자 온톨로지(Gene Ontology)를 통해 상호 관련된 레이블을 가진 다중 레이블 유전자 기능 예측 문제를 해결하기 위해.
• GO 용어 간 계층적 관계를 무시하는 독립적 분류 모델의 한계를 극복하기 위해.
• GO 계층을 명시적으로 통합하여 예측 정확도를 향상시키는 방법을 개발하기 위해.
• 기존 연구에서 흔히 사용되는 레이블 조정 기법과 비교하여 계층 인식 방법의 성능을 평가하기 위해.

제안 방법

• 첫 번째 방법은 유전자에 대한 기존 애너테이션을 GO 용어에 대한 사전 확률 분포로 사용하며, 용어 전파를 통해 계층적 관계를 반영한다.
• 두 번째 방법은 GO 계층을 그래프로 모델링하고 선형 시스템을 풀어 효율적으로 레이블을 전파하는 방식으로 그래프 기반 준지도 학습 알고리즘을 확장한다.
• 레이블 전파에는 정규화된 그래프 라플라시안을 사용하여 관련된 용어가 예측 과정에서 상호 영향을 미치도록 보장한다.
• 이 방법은 GO 계층을 방향성 없는 사이클 그래프(DAG)로 간주하여 부모 용어에서 자식 용어로의 전파를 허용한다.
• 선형 시스템은 희소 행렬 기법을 사용하여 대규모 GO 온톨로지에 대한 확장성을 확보한다.
• 두 방법 모두 실제 유전자 기능 예측 데이터셋을 대상으로 평가되었으며, 기준선으로서의 조정 기반 접근법과의 성능을 비교하였다.

실험 결과

연구 질문

• RQ1 GO 계층을 직접 예측 모델에 통합할 경우, 독립적 분류 방법에 비해 유전자 기능 예측 정확도가 향상되는가?
• RQ2 사전 애너테이션을 사전 확률로 사용할 경우, 계층적 레이블링 프레임워크에서 예측 성능에 어떤 영향을 미치는가?
• RQ3 선형 시스템을 사용한 그래프 기반 준지도 학습은 계층적 의미를 유지하면서 효율적으로 레이블 전파를 수행할 수 있는가?
• RQ4 다중 레이블 유전자 기능 예측에서 직접적인 계층 사용이 레이블 조정 방법보다 성능이 뛰어나기는 한가?
• RQ5 계층적 구조와 애너테이션 밀도 중 어느 것이 예측 정확도 향상에 더 큰 기여를 하는가?

주요 결과

• GO 계층을 예측 모델에 직접 통합할 경우, 레이블 조정 방법에 비해 유의미한 성능 향상이 이루어진다.
• 사전 애너테이션을 사전 확률로 사용하는 방법은 특히 더 깊고 더 구체적인 용어에서 높은 F1 점수를 달 đạt한다.
• 선형 시스템 해법을 통한 그래프 기반 접근법은 GO DAG 전반에 걸쳐 확장성 있고 정확한 레이블 전파를 제공한다.
• 제안된 방법들은 정밀도, 재현율, F1 점수 등 여러 평가 지표에서 기준선을 능가한다.
• 결과적으로 계층적 구조는 생물학적으로 의미 있는 정보를 담고 있으며, 이를 무시하거나 후처리 단계에서 처리하기보다는 예측 과정에서 활용해야 한다는 점을 입증한다.