[논문 리뷰] AI-driven multi-omics integration for multi-scale predictive modeling of causal genotype-environment-phenotype relationships

You Wu, Lei Xie|arXiv (Cornell University)|2024. 07. 08.

Gene expression and cancer classification인용 수 8

한 줄 요약

AI 기반의 생물학에서 영감을 받은 프레임워크를 제안하여 생물학적 규모와 종에 걸친 다중 오믹스 데이터를 통합하고 교란 하에서 인과적 G-E-P 관계를 예측한다. 또한 교란 오믹스 자원을 검토하고 최첨단 다중 오믹스 통합 방법을 조사한다.

ABSTRACT

Despite the wealth of single-cell multi-omics data, it remains challenging to predict the consequences of novel genetic and chemical perturbations in the human body. It requires knowledge of molecular interactions at all biological levels, encompassing disease models and humans. Current machine learning methods primarily establish statistical correlations between genotypes and phenotypes but struggle to identify physiologically significant causal factors, limiting their predictive power. Key challenges in predictive modeling include scarcity of labeled data, generalization across different domains, and disentangling causation from correlation. In light of recent advances in multi-omics data integration, we propose a new artificial intelligence (AI)-powered biology-inspired multi-scale modeling framework to tackle these issues. This framework will integrate multi-omics data across biological levels, organism hierarchies, and species to predict causal genotype-environment-phenotype relationships under various conditions. AI models inspired by biology may identify novel molecular targets, biomarkers, pharmaceutical agents, and personalized medicines for presently unmet medical needs.

연구 동기 및 목표

• 환경 교란 하에서 엔도펜오타입(endophenotypes)을 연결 고리로 사용하여 유전형에서 표현형을 예측해야 할 필요성을 고취한다.
• 스케일과 종에 걸친 다중 오믹스 데이터를 통합하여 인과적 G-E-P 관계를 추론하는 생물학에서 영감을 받은 AI 프레임워크를 제안한다.
• 교란 오믹스 데이터 자원과 다중 오믹스 통합을 위한 현행 기계 학습 접근법을 조사하여 한계점과 기회를 식별한다.

제안 방법

• TCGA, LINCS, DepMap, scPerturb, PharmacoDB, ProteomicsDB 등과 같은 교란 오믹스 데이터 자원과 이들의 G-E-P 모델링 적용 가능성을 검토한다.
• 최신의 비지도, 지도 학습 및 지식 그래프 기반 다중 오믹스 통합 방법들(오토인코더, 트랜스포머, 대조 학습, GNN 등)을 요약하고 비평한다.
• 전례 없는 교란에 대한 표현형 반응 예측을 목표로 한 교차 수준, 교차 스케일, 교차 종 데이터 통합을 위한 생물학에서 영감을 받은 AI 모델링 원리를 강조한다.

Figure 1: Illustration of cross-level, cross-scale, cross-species multi-omics data integration

실험 결과

연구 질문

• RQ1 가용 가능한 교란 오믹스 데이터 자원은 무엇이며 그것들이 예측적 G-E-P 모델링을 어떻게 지원할 수 있는가?
• RQ2 교차 수준의 유전자형-환경-표현형 예측을 위한 현재의 비지도, 지도, 그래프 기반 다중 오믹스 통합 방법의 강점과 한계는 무엇인가?
• RQ3 생물학에서 영감을 받은 AI 모델이 교란 하에서 분자 메커니즘의 교차 종 번역을 인간 표현형으로 가능하게 할 수 있는 방법은 무엇인가?
• RQ4 제안된 프레임워크가 다루어야 할 데이터, 일반화 및 인과성의 어떤 공백이 존재하는가?

주요 결과

• 다양한 모달리티와 생물종에 걸친 교란 오믹스 데이터가 풍부하지만, 교란 하에서 표현형 예측을 위한 라벨링된 데이터는 여전히 희소하다.
• 현재 방법은 비지도, 지도, 지식 그래프 접근법에 걸쳐 있으며 각각 데이터 페어링 요건, 모달리티 정렬, 교차 도메인 일반화와 관련된 트레이드오프를 가진다.
• 스케일과 종에 걸친 다중 오믹스를 통합하는 생물학에서 영감을 받은 AI 프레임워크는 새로운 표적, 바이오마커, 개인화 치료법을 식별할 가능성을 약속한다.
• 기초 모델(예: transformers) 및 교차 종 분석(GeneCompass 등)은 교차 도메인 및 교차 종 G-E-P 통찰에 대한 가능성을 보여주지만, 페어링된 데이터 의존성과 도메인 정렬 도전과 같은 한계가 있다.

Figure 2: Illustration of multi-modal supervised learning. (a) A conventional strategy that requires paired data for all the modalities simultaneously. (b) An end-to-end deep neural network explicitly models asymmetric information flows from DNAs to RNAs to proteins to metabolites and ultimately to