[논문 리뷰] Multitask Learning using Task Clustering with Applications to Predictive Modeling and GWAS of Plant Varieties

Ming Yu, Addie Thompson외 3명|arXiv (Cornell University)|2017. 10. 04.

Spectroscopy and Chemometric Analyses참고 문헌 16인용 수 4

한 줄 요약

이 논문은 희소 선형 모델과 작업 간 계층적 트리 구조를 볼록 클러스터링 정규화를 사용해 동시에 학습하는 새로운 다중 작업 학습 프레임워크를 제안한다. 이 방법은 데이터로부터 작업 간 관계를 자동으로 추론하여 예측 정확도를 향상시키고, 원격 감지 데이터를 사용한 식물 형질 예측 및 GWAS에서 생물학적으로 의미 있는 군집을 드러낸다.

ABSTRACT

Inferring predictive maps between multiple input and multiple output variables or tasks has innumerable applications in data science. Multi-task learning attempts to learn the maps to several output tasks simultaneously with information sharing between them. We propose a novel multi-task learning framework for sparse linear regression, where a full task hierarchy is automatically inferred from the data, with the assumption that the task parameters follow a hierarchical tree structure. The leaves of the tree are the parameters for individual tasks, and the root is the global model that approximates all the tasks. We apply the proposed approach to develop and evaluate: (a) predictive models of plant traits using large-scale and automated remote sensing data, and (b) GWAS methodologies mapping such derived phenotypes in lieu of hand-measured traits. We demonstrate the superior performance of our approach compared to other methods, as well as the usefulness of discovering hierarchical groupings between tasks. Our results suggest that richer genetic mapping can indeed be obtained from the remote sensing data. In addition, our discovered groupings reveal interesting insights from a plant science perspective.

연구 동기 및 목표

• 데이터 기반으로 작업별 파am터와 계층적 작업 구조를 동시에 추정할 수 있는 지도 기반 다중 작업 학습 방법을 개발한다.
• 계층적 클러스터링을 통해 작업 간 유사성을 활용하여 대규모 원격 감지 데이터를 기반으로 한 식물 형질 예측 모델링을 향상시킨다.
• 수동 측정 대신 원격 감지 데이터에서 파생된 형형질을 사용함으로써 보다 강력한 전장 유전자 연관 분석(GWAS)을 가능하게 한다.
• 수렴 보장과 해석 가능한 작업 군집을 제공하는 통계적으로 타당한 볼록 최적화 프레임워크를 제공한다.
• 합성 및 실제 고속 형질 측정 응용 분야에서 기존 방법들에 비해 본 방법의 우수성을 입증한다.

제안 방법

• 이 방법은 작업 파am터에 대한 볼록 클러스터링 페널티를 결합한 볼록 최적화 프레임워크를 사용하여 계층적 트리 구조를 유도한다.
• 작업별 계수의 희소성과 연속적인 정규화 경로를 통한 유사한 작업의 군집화를 장려하는 정규화된 목적 함수를 설정한다.
• 유도된 볼록 문제를 해결하기 위해 프록시 분해 알고리즘을 활용하며, 수치적 수렴이 보장된다.
• 계층적 구조는 데이터로부터 자동으로 학습되며, 트리의 각 노드는 공유 파am터 그룹을 나타내고, 루트는 전역 모델을 나타낸다.
• 이 방법은 조정 파am터 λ₂로 인덱싱된 연속적인 해 경로를 사용하며, 트리를 다양한 임계값에서 잘라내면 서로 다른 작업 군집이 도출된다.
• 이 프레임워크는 원격 감지 데이터에서 유도된 히스토그램 기반 형형질을 사용하여 식물 형질 예측 모델링과 후속 GWAS에 적용된다.

실험 결과

연구 질문

• RQ1 지속적인 지도 기반 데이터 기반 방식으로 다중 작업 학습 프레임워크가 작업 파am터와 계층적 작업 구조를 동시에 학습할 수 있는가?
• RQ2 제안된 방법은 식물 형질 모델링에서 기존 다중 작업 학습 방법들에 비해 예측 정확도를 어떻게 향상시키는가?
• RQ3 자동으로 발견된 작업 군집이 식물 형질 또는 게놈 영역 간 생물학적으로 의미 있는 관계를 드러내는가?
• RQ4 원격 감지 데이터에서 유도된 형형질을 사용하면 전통적인 수동 측정 형형질에 비해 더 강력한 유전자 맵핑을 가능하게 하는가?
• RQ5 수렴성, 확장성, 내구성 측면에서 제안된 방법의 통계적 및 계산 성능은 어떠한가?

주요 결과

• 제안된 방법은 합성 데이터에서 기준 방법들(작업 구조를 학습하지 않는 방법 포함)보다 낮은 RMSE를 기록하여 뛰어난 예측 성능을 달성했다.
• 이 방법은 원격 감지 히스토그램 박스를 생물학적으로 해석 가능한 군집으로 성공적으로 클러스터링하였으며, 고도로 인구가 많은 박스는 계층의 후단에서 병합되어 더 강한 신호를 반영했다.
• 염색체 7에서 알려진 Dwarf3 유전자와 공위치를 이루는 SNP를 식별하여 생물학적 관련성을 검증했다.
• 염색체 9에서 관개 폐쇄, 잎 분포 및 개화와 관련된 잠재적 유전적 영역을 발견하여 새로운 유전적 통찰을 제시했다.
• 특히 고차원 설정에서 기존의 Kang et al. 방법이 수렴하지 못하는 상황에서, 본 방법은 확장성과 안정성 측면에서 뛰어난 성능을 보였다.
• 발견된 작업 군집은 식물 과학 분야의 유의미한 통찰을 드러내었으며, 예를 들어 식물 구조 및 생장 패턴과 관련된 박스들이 군집화된 바를 보였다.