[논문 리뷰] Novel Method for Mutational Disease Prediction using Bioinformatics Techniques and Backpropagation Algorithm

Ayad Ghany Ismaeel, Anar Auda Ablahad|arXiv (Cornell University)|2013. 03. 03.

Genetics, Bioinformatics, and Biomedical Research참고 문헌 9인용 수 9

한 줄 요약

이 논문은 시퀀스 어ライン먼트 도구(FASTA, CLUSTALW)와 백프로파게이션 신경망을 조합한 새로운 생물정보학적 접근법을 제안하여 돌연변이 유병증, 특히 유방암을 예측한다. 환자의 단백질 시퀀스를 참조 질병 관련 단백질(BRCA1/BRCA2 등)과 비교하여 악성 돌연변이로 분류하며, 훈련 시 평균 제곱오차가 0.0000001인 성공적인 예측을 달성한다.

ABSTRACT

Cancer is one of the most feared diseases in the world it has increased disturbingly and breast cancer occurs in one out of eight women, the prediction of malignancies plays essential roles not only in revealing human genome, but also in discovering effective prevention and treatment of cancers. Generally cancer disease driven by somatic mutations in an individual DNA sequence, or genome that accumulates during the lifetime of person. This paper is proposed a novel method can predict the disease by mutations despite The presence in gene sequence is not necessary it are malignant, so will be compare the protein of patient with the gene's protein of disease if there is difference between these two proteins then can say there is malignant mutations. This method will use bioinformatics techniques like FASTA, CLUSTALW, etc which shows whether malignant mutations or not, then training the backpropagation algorithm using all expected malignant mutations for a certain genes (e.g. BRCA1 and BRCA2) of disease, and using it to test whether patient is holder the disease or not. Implementing this novel method as the first way to predict the disease based on mutations in the sequence of the gene that causes the disease shows two decisions are achieved successfully, the first diagnose whether the patient has mutations of cancer or not using bioinformatics techniques the second classifying these mutations are related to breast cancer (e.g. BRCA1 and BRCA2) using backpropagation with mean square rate 0.0000001. Keywords-Gene sequence; Protein; Deoxyribonucleic Acid DNA; Malignant mutation; Bioinformatics; Back-propagation algorithm.

연구 동기 및 목표

• 유전자 존재 여부가 아닌 유전적 돌연변이를 기반으로 돌연변이 유병증을 예측하는 새로운 방법을 개발하기 위해.
• 환자의 단백질 시퀀스를 알려진 질병 관련 단백질(BRCA1, BRCA2 등)과 비교하여 악성 돌연변이를 식별하기 위해.
• 생물정보학 도구(FASTA, CLUSTALW)를 활용하여 악성성을 나타내는 시퀀스 차이를 탐지하기 위해.
• BRCA1 및 BRCA2 유전자에서 알려진 악성 돌연변이를 기반으로 백프로파게이션 신경망을 훈련시켜 분류하기 위해.
• 기계학습을 활용하여 암 관련 돌연변이를 정확하게 진단하고 분류하기 위해.

제안 방법

• 환자와 참조 단백질 시퀀스 간의 어라이먼트를 위해 FASTA 및 CLUSTALW를 사용한다.
• 환자의 단백질 시퀀스를 야생형 질병 관련 단백질(BRCA1, BRCA2 등)과 비교하여 차이를 탐지한다.
• 구조적 및 시퀀스 변형 기반으로 잠재적 악성 돌연변이를 식별한다.
• BRCA1 및 BRCA2 유전자에서 알려진 악성 돌연변이를 기반으로 백프로파게이션 신경망을 훈련시킨다.
• 신경망 훈련 중 수렴을 위해 평균 제곱오차율을 0.0000001로 설정한다.
• 훈련된 네트워크를 사용하여 새로운 환자 시퀀스가 질병 관련 돌연변이를 가지고 있는지 여부를 분류한다.

실험 결과

연구 질문

• RQ1 환자와 참조 유전자 간 단백질 시퀀스의 차이가 악성 돌연변이를 신뢰성 있게 나타낼 수 있는가?
• RQ2 FASTA 및 CLUSTALW와 같은 생물정보학 도구가 유전자 존재 여부 없이 생물학적으로 의미 있는 돌연변이를 탐지할 수 있는가?
• RQ3 백프로파게이션 신경망이 훈련 데이터 기반으로 돌연변이를 병적 또는 양성으로 효과적으로 분류할 수 있는가?
• RQ4 제안된 방법이 BRCA1/BRCA2 관련 돌연변이와 비병적 변이를 구분할 수 있는가?
• RQ5 이러한 접근법은 최소한의 입력 데이터로 높은 정확도로 돌연변이 유병증을 예측할 수 있는가?

주요 결과

• 생물정보학적 시퀀스 비교를 통해 환자가 암 관련 돌연변이를 지니는지 성공적으로 진단하였다.
• 백프로파게이션 신경망은 평균 제곱오차 0.0000001로 안정적인 훈련을 달성하였다.
• 환자와 참조 단백질 간의 시퀀스 차이가 악성 돌연변이의 지표로 사용되었다.
• 이 방법은 BRCA1 및 BRCA2 유전자 관련 돌연변이 분류 가능성을 입증하였다.
• 어라이먼트 도구와 신경망의 통합을 통해 탐지 및 분류의 이중단계 예측이 가능해졌다.
• 이 방법은 유전자 존재 여부에 의존하지 않는 새로운 접근법을 제공한다.