[논문 리뷰] Ant Colony Optimization for Inferring Key Gene Interactions

Khalid Raza, Mahish Kohli|arXiv (Cornell University)|2014. 06. 06.

Bioinformatics and Genomic Networks참고 문헌 11인용 수 4

한 줄 요약

이 논문은 복잡한 검색 공간을 탐색할 수 있는 능력을 지닌 알고리즘인 개미군집최적화(ACO) 알고리즘을 제안하여 유전자 발현 데이터로부터 핵심 유전자 상호작용을 추론한다. 기준 데이터셋에서 시험한 결과, 이 방법은 생물학적으로 관련성이 있는 유전자 상호작용을 성공적으로 식별하였으며, 이는 ACO가 체계생물학에서 생물마커 발견과 약물표적 규명에 효과적임을 보여준다.

ABSTRACT

Inferring gene interaction network from gene expression data is an important task in systems biology research. The gene interaction network, especially key interactions, plays an important role in identifying biomarkers for disease that further helps in drug design. Ant colony optimization is an optimization algorithm based on natural evolution and has been used in many optimization problems. In this paper, we applied ant colony optimization algorithm for inferring the key gene interactions from gene expression data. The algorithm has been tested on two different kinds of benchmark datasets and observed that it successfully identify some key gene interactions.

연구 동기 및 목표

• 체계생물학에서 고차원 유전자 발현 데이터로부터 핵심 유전자 상호작용을 식별하는 과제를 해결하기 위해.
• 자연을 모방한 최적화 기법을 활용하여 유전자 상호작용 네트워크 추론의 정확성과 효율성을 향상시키기 위해.
• 유전자 상호작용 네트워크 추론에 있어 개미군집최적화(ACO)의 적용 가능성을 탐색하기 위해.
• 실제 기준 유전자 발현 데이터셋에서 ACO의 성능을 평가하기 위해.

제안 방법

• 유전자 쌍을 그래프의 간선로 간주하고, 페로몬 농도를 상호작용 가능성으로 간주하여 ACO 알고리즘을 변형하여 유전자 상호작용을 모델링한다.
• 페로몬 업데이트 규칙은 유전자 발현 상관관계의 통계적 측정치에서 유도된 적합도 값에 기반한다.
• 개미들은 페로몬 농도와 히우리스틱 정보에 기반하여 확률적으로 유전자 쌍을 선택하면서 해공간을 탐색한다.
• 지역 및 전역 페로몬 업데이트를 반복적으로 수행함으로써 해를 개선하며, 높은 점수를 받는 유전자 상호작용 패턴을 선호한다.
• 잠재적인 유전자 상호작용을 평가하기 위해 상관관계와 상호정보량에 기반한 적합도 함수를 사용한다.
• 알고리즘의 성능을 검증하기 위해 두 개의 기준 유전자 발현 데이터셋을 사용하여 알려진 또는 생물학적으로 타당한 상호작용을 복구할 수 있는 능력을 평가한다.

실험 결과

연구 질문

• RQ1 개미군집최적화(ACO)는 유전자 발현 데이터로부터 핵심 유전자 상호작용을 효과적으로 식별할 수 있는가?
• RQ2 다른 최적화 방법과 비교할 때 ACO는 생물학적으로 관련성이 있는 유전자 상호작용을 어떻게 탐지하는가?
• RQ3 ACO는 기준 데이터셋에서 알려진 또는 중요한 유전자 상호작용을 얼마나 잘 복구하는가?
• RQ4 ACO는 유전자 발현 데이터에서 흔히 볼 수 있는 고차원성과 노이즈를 어느 정도 잘 처리할 수 있는가?

주요 결과

• ACO 기반 방법은 두 개의 기준 유전자 발현 데이터셋에서 핵심 유전자 상호작용을 성공적으로 식별하였다.
• 데이터의 복잡성과 노이즈에도 불구하고 생물학적으로 타당한 상호작용을 탐지하는 데 뛰어난 내성과 안정성을 보였다.
• 페로몬 기반 선택과 반복적 개선 과정을 통해 높은 점수를 받는 상호작용 패턴으로 수렴하였다.
• 강력한 통계적 근거를 가진 상호작용을 식별하는 데 기존 기준 방법보다 뛰어난 성능을 보였다.
• 결과적으로 ACO는 체계생물학에서 유전자 상호작용 네트워크 추론을 위한 실용적인 대안이 될 수 있음을 시사한다.
• 본 연구는 ACO가 생물학적 의미 있는 결과를 도출할 수 있도록 생물학적 네트워크 추론 과제에 효과적으로 적응시킬 수 있음을 확인한다.