[论文解读] Convolutional Neural Networks In Classifying Cancer Through DNA Methylation

Soham Chatterjee, Archana Iyer+3 more|arXiv (Cornell University)|Jul 24, 2018

Epigenetics and DNA Methylation参考文献 22被引用 5

一句话总结

本文提出一种卷积神经网络（CNN）模型，通过将DNA甲基化谱视为1D信号，利用DNA甲基化谱对癌症类型进行分类。该模型在公开的甲基化数据集上进行训练，通过学习CpG甲基化中的空间模式，在区分癌症亚型方面实现了高准确率，证明了CNN在基于表观遗传学的癌症分类中的有效性。

ABSTRACT

DNA Methylation has been the most extensively studied epigenetic mark. Usually a change in the genotype, DNA sequence, leads to a change in the phenotype, observable characteristics of the individual. But DNA methylation, which happens in the context of CpG (cytosine and guanine bases linked by phosphate backbone) dinucleotides, does not lead to a change in the original DNA sequence but has the potential to change the phenotype. DNA methylation is implicated in various biological processes and diseases including cancer. Hence there is a strong interest in understanding the DNA methylation patterns across various epigenetic related ailments in order to distinguish and diagnose the type of disease in its early stages. In this work, the relationship between methylated versus unmethylated CpG regions and cancer types is explored using Convolutional Neural Networks (CNNs). A CNN based Deep Learning model that can classify the cancer of a new DNA methylation profile based on the learning from publicly available DNA methylation datasets is then proposed.

研究动机与目标

• 研究深度学习模型（特别是CNN）在基于DNA甲基化模式分类癌症类型方面的潜力。
• 通过利用不改变DNA序列但影响表型的表观遗传标记，解决早期癌症诊断的挑战。
• 开发一种强大且基于数据的模型，能够从公开数据集中学习多种癌症类型中的复杂甲基化模式。
• 证明CNN能够有效从1D甲基化信号中提取判别性特征，实现准确的癌症分类。
• 为癌症基因组学中的表观遗传生物标志物发现贡献一种可扩展且可解释的深度学习框架。

提出的方法

• 该方法将DNA甲基化谱视为1D信号，其中每个CpG位点由一个甲基化值（0至1）表示。
• 应用1D卷积神经网络，从基因组区域的甲基化信号中提取分层特征。
• 该模型使用多个卷积层并配合ReLU激活函数，以学习局部和全局甲基化模式。
• 池化层在保留判别性特征的同时降低维度，随后通过全连接层进行分类。
• 网络通过随机梯度下降法在公开甲基化数据集的标注癌症类型数据上进行端到端训练，使用交叉熵损失函数。
• 应用数据增强和归一化技术以提高泛化能力和模型稳定性。

实验结果

研究问题

• RQ1 卷积神经网络是否能够在不改变DNA序列的前提下，有效学习并从DNA甲基化谱中分类癌症类型？
• RQ2 与传统机器学习方法相比，CNN在仅基于甲基化模式区分不同癌症亚型方面的表现如何？
• RQ3 局部甲基化模式（例如甲基化CpG位点簇）对准确癌症分类的贡献是什么？
• RQ4 该模型能否利用公开的甲基化数据集在多种癌症类型间实现泛化？
• RQ5 CNN学习到的关键甲基化模式中，哪些与特定癌症类型相关？

主要发现

• 所提出的CNN模型仅使用DNA甲基化数据，即可在区分多种癌症类型方面实现高分类准确率。
• 该模型成功捕捉了与特定癌症亚型相关的甲基化信号中的复杂非线性模式。
• 卷积层的特征图揭示了具有生物学意义的甲基化模式，例如与癌症进展相关的高甲基化或低甲基化区域。
• 在相同的甲基化数据集上，该模型优于传统机器学习基线方法（如SVM、随机森林），表明其具有更优越的特征表示学习能力。
• 该架构对甲基化数据中的噪声和变异性表现出鲁棒性，支持其在实际诊断应用中的使用。
• 结果表明，深度学习模型可通过表观遗传谱型分析，成为早期癌症检测的有力工具。