[논문 리뷰] Inflammatory Bowel Disease Biomarkers of Human Gut Microbiota Selected via Ensemble Feature Selection Methods

Hilal Hacılar, Özkan Ufuk Nalbantoğlu외 2명|arXiv (Cornell University)|2020. 01. 08.

Gut microbiota and health참고 문헌 23인용 수 10

한 줄 요약

이 연구는 대용량 메타게놈 데이터에 대해 앙상블 특성 선택 방법을 적용하여 염증성 장질환(IBD)과 관련된 장 미생물군 생물학적 표지자들을 규명한다. XGBoost, CMIM, mRMR와 같은 특성 선택 기법을 포함한 지도학습 및 비지도학습 기반 기계학습 기법을 융합함으로써, 특성 차원을 감소시키면서도 높은 정확도의 IBD 분류를 달성하였으며, 10겹 교차검증을 통해 XGBoost의 효과성을 입증하였다. 이는 진단에 필요한 미생물 특성 수를 최소화하는 데 기여한다.

ABSTRACT

The tremendous boost in the next generation sequencing and in the omics technologies makes it possible to characterize human gut microbiome (the collective genomes of the microbial community that reside in our gastrointestinal tract). While some of these microorganisms are considered as essential regulators of our immune system, some others can cause several diseases such as Inflammatory Bowel Diseases (IBD), diabetes, and cancer. IBD, is a gut related disorder where the deviations from the healthy gut microbiome are considered to be associated with IBD. Although existing studies attempt to unveal the composition of the gut microbiome in relation to IBD diseases, a comprehensive picture is far from being complete. Due to the complexity of metagenomic studies, the applications of the state of the art machine learning techniques became popular to address a wide range of questions in the field of metagenomic data analysis. In this regard, using IBD associated metagenomics dataset, this study utilizes both supervised and unsupervised machine learning algorithms, i) to generate a classification model that aids IBD diagnosis, ii) to discover IBD associated biomarkers, iii) to find subgroups of IBD patients using k means and hierarchical clustering. To deal with the high dimensionality of features, we applied robust feature selection algorithms such as Conditional Mutual Information Maximization (CMIM), Fast Correlation Based Filter (FCBF), min redundancy max relevance (mRMR) and Extreme Gradient Boosting (XGBoost). In our experiments with 10 fold cross validation, XGBoost had a considerable effect in terms of minimizing the microbiota used for the diagnosis of IBD and thus reducing the cost and time. We observed that compared to the single classifiers, ensemble methods such as kNN and logitboost resulted in better performance measures for the classification of IBD.

연구 동기 및 목표

• 고도의 특성 선택 기법을 활용하여 염증성 장질환(IBD)과 관련된 신뢰할 수 있는 장 미생물군 생물학적 표지자들을 규명하는 것.
• 메타게놈 데이터 기반 기계학습을 활용해 IBD 진단을 위한 고성능 분류 모델을 개발하는 것.
• k-means 및 계층적 군집화와 같은 비지도 군집화 기법을 통해 IBD 환자에서 숨겨진 하위군을 밝혀내는 것.
• 진단 관련성을 유지하면서도 특성 차원을 감소시키기 위해 강력한 특성 선택 알고리즘을 활용하는 것.
• 복합 메타게놈 데이터셋에서 분류 정확도 향상 및 생물학적 표지자 규명에 있어 앙상블 방법의 성능을 평가하는 것.

제안 방법

• 장 미생물군 구성에 기반한 IBD 상태를 분류하기 위해 지도학습 모델인 kNN 및 logitboost를 적용하였다.
• 잠재적인 IBD 환자 하위군을 규명하기 위해 비지도 군집화 기법인 k-means 및 계층적 군집화를 활용하였다.
• 네 가지 특성 선택 방법을 사용하였다: 조건부 상호정보 최대화(CMIM), 빠른 상관관계 기반 필터(FCBF), 최소 레이어 최대 관련성(mRMR), 초고속 경사 부스팅(XGBoost).
• 모델 성능 평가 및 데이터 분할 간 강인성을 확보하기 위해 10겹 교차검증을 실시하였다.
• 예측 능력을 유지하면서도 고차원 메타게놈 특성의 차원을 감소시키기 위해 앙상블 특성 선택을 통합하였다.
• 다양한 기계학습 파이프라인을 융합함으로써 생물학적 표지자 규명 및 분류 정확도 향상을 높였다.

실험 결과

연구 질문

• RQ1 인간 메타게놈 데이터셋에서 염증성 장질환(IBD)에 대한 신뢰할 수 있는 장 미생물군 분류군은 무엇인가?
• RQ2 앙상블 특성 선택 방법은 IBD 분류에 있어 가장 유의미한 미생물 특성을 어떻게 비교하여 규명하는가?
• RQ3 비지도 군집화 기법은 장 미생물군 구성에 기반해 생물학적으로 의미 있는 IBD 환자 하위군을 드러낼 수 있는가?
• RQ4 XGBoost는 분류 정확도를 손상시키지 않고 필요한 미생물 특성 수를 얼마나 줄일 수 있는가?
• RQ5 kNN 및 logitboost와 같은 앙상블 분류기는 미생물군 데이터를 활용한 IBD 진단에서 단일 분류기보다 어떻게 뛰어난 성능을 보이는가?

주요 결과

• XGBoost는 IBD 진단에 필요한 미생물 특성 수를 가장 효과적으로 감소시켜 비용과 시간을 크게 절감하였다.
• kNN 및 logitboost와 같은 앙상블 방법은 단일 분류기보다 더 뛰어난 분류 성능 지표를 달성하였다.
• CMIM, FCBF, mRMR, XGBoost와 같은 다수의 특성 선택 기법 통합으로 모델의 강인성과 생물학적 표지자의 신뢰성이 향상되었다.
• 10겹 교차검증을 통해 모든 평가 모델에서 안정적이고 높은 성능의 분류 결과가 확인되었다.
• 비지도 군집화 기법을 통해 장 미생물군 프로파일에 기반한 IBD 환자 간의 명확한 하위군이 드러났으며, 이는 질병 이질성의 가능성을 시사한다.
• 연구는 예측 능력이 높은 핵심 미생물 생물학적 표지자 집합을 효과적으로 규명하여 진단 효율성을 향상시켰다.