[論文レビュー] A Novel Approach for Single Gene Selection Using Clustering and Dimensionality Reduction

E. N. Sathishkumar, K. Thangavel+1 more|arXiv (Cornell University)|Jun 10, 2013

Gene expression and cancer classification参考文献 18被引用数 10

ひとこと要約

本論文は、高次元の遺伝子発現データにおける単一遺伝子選択のための新しいハイブリッド手法、Hybrid Fuzzy C Means-Quick Reduct (FCMQR) を提案する。FCM を用いて遺伝子をクラスタリングし、粗さ集合理論からのQuick Reductを適用して高依存性遺伝子を抽出することで、平均相関値（ACV）が1である顕著なクラスタを特定し、白血病データにおいて全データセットと同等の分類精度を達成する。これは、ノイズに強く効果的な遺伝子選択の強力な可能性を示している。

ABSTRACT

We extend the standard rough set-based approach to deal with huge amounts of numeric attributes versus small amount of available objects. Here, a novel approach of clustering along with dimensionality reduction; Hybrid Fuzzy C Means-Quick Reduct (FCMQR) algorithm is proposed for single gene selection. Gene selection is a process to select genes which are more informative. It is one of the important steps in knowledge discovery. The problem is that all genes are not important in gene expression data. Some of the genes may be redundant, and others may be irrelevant and noisy. In this study, the entire dataset is divided in proper grouping of similar genes by applying Fuzzy C Means (FCM) algorithm. A high class discriminated genes has been selected based on their degree of dependence by applying Quick Reduct algorithm based on Rough Set Theory to all the resultant clusters. Average Correlation Value (ACV) is calculated for the high class discriminated genes. The clusters which have the ACV value a s 1 is determined as significant clusters, whose classification accuracy will be equal or high when comparing to the accuracy of the entire dataset. The proposed algorithm is evaluated using WEKA classifiers and compared. Finally, experimental results related to the leukemia cancer data confirm that our approach is quite promising, though it surely requires further research.

研究の動機と目的

• 高次元でサンプル数が少ない遺伝子発現データから有用な遺伝子を選択する課題に対処すること。
• 類似した遺伝子をクラスタリングすることで、冗長性とノイズを低減すること。
• 粗さ集合理論に基づくQuick Reductアルゴリズムを用いて、高依存性・判別性の高い遺伝子を同定すること。
• 選択された遺伝子の分類性能を全データセットと比較して評価すること。
• 実際の白血病がんデータとWEKA分類器を用いて、手法の有効性を検証すること。

提案手法

• 類似した遺伝子を同質なクラスタにグループ化するために、Fuzzy C Means (FCM) アルゴリズムを用いて遺伝子発現データをクラスタリングする。
• 各クラスタ内で、粗さ集合理論のQuick Reductアルゴリズムを適用し、依存度が最も高い遺伝子を同定する。
• 各クラスタ内の遺伝子の内部整合性と重要性を評価するために、平均相関値（ACV）を計算する。
• ACVが正確に1であるクラスタは顕著なクラスタと特定され、内部相関が高く、高い分類精度の可能性を示している。
• 顕著なクラスタからの選択された遺伝子は、WEKA分類器を用いて全データセットと比較して評価される。
• クラスタリングによる次元削減と、粗さ集合理論による特徴選択を組み合わせることで、遺伝子選択の効率性と正確性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 クラスタリングに基づく遺伝子グループ化は、高次元の発現データにおける生物学的に関連性のある遺伝子の同定を改善できるか？
• RQ2 Fuzzy C Means クラスタリングと Quick Reduct アルゴリズムの統合は、高依存性遺伝子の選択においてどの程度効果的か？
• RQ3 平均相関値（ACV）が1であるクラスタは、全データセットと同等の分類精度を達成できるか？
• RQ4 提案された FCMQR 手法は、ノイズと冗長性を低減しつつ、分類性能を維持または向上させることができるか？
• RQ5 実際の白血病がんデータにおいて、選択された遺伝子サブセットの性能は、全遺伝子セットと比べてどの程度か？

主な発見

• 提案された FCMQR 手法は、平均相関値（ACV）が正確に1である顕著な遺伝子クラスタを効果的に同定し、内部整合性が高く、強力な分類性能の可能性を示している。
• ACV=1 クラスタからの選択遺伝子が達成する分類精度は、WEKA分類器の評価により、全データセットと同等またはそれ以上であることが確認された。
• 遺伝子をクラスタリングし、最も依存度の高い特徴のみを選択することで、次元削減とノイズ低減が効果的に行われ、特徴選択の効率性が向上した。
• 白血病がんデータを用いた実験結果は、本手法の可能性を示しているが、より広範な検証のためのさらなる研究が求められる。
• FCM クラスタリングと粗さ集合理論の Quick Reduct の統合により、小標本・高属性の状況下でも、情報量の多い遺伝子の堅牢な同定が可能になった。