[论文解读] Unconventional machine learning of genome-wide human cancer data

Richard Y. Li, Sharvari Gujja+6 more|arXiv (Cornell University)|Sep 12, 2019

Quantum Computing Algorithms and Architecture参考文献 35被引用 3

一句话总结

本研究展示了基于退火的机器学习算法（受量子计算原理启发）在分类来自癌症基因组图谱（The Cancer Genome Atlas）的高维多组学生殖细胞癌数据中的可行性。该方法在癌症类型和分子亚型分类任务中表现出色，尤其在小规模训练数据集上相较于传统机器学习方法表现更优。

ABSTRACT

Recent advances in high-throughput genomic technologies coupled with exponential increases in computer processing and memory have allowed us to interrogate the complex aberrant molecular underpinnings of human disease from a genome-wide perspective. While the deluge of genomic information is expected to increase, a bottleneck in conventional high-performance computing is rapidly approaching. Inspired in part by recent advances in physical quantum processors, we evaluated several unconventional machine learning (ML) strategies on actual human tumor data. Here we show for the first time the efficacy of multiple annealing-based ML algorithms for classification of high-dimensional, multi-omics human cancer data from the Cancer Genome Atlas. To assess algorithm performance, we compared these classifiers to a variety of standard ML methods. Our results indicate the feasibility of using annealing-based ML to provide competitive classification of human cancer types and associated molecular subtypes and superior performance with smaller training datasets, thus providing compelling empirical evidence for the potential future application of unconventional computing architectures in the biomedical sciences.

研究动机与目标

• 探究非传统机器学习策略，特别是基于退火的算法，是否能有效分类高维人类癌症基因组数据。
• 应对由于基因组数据量呈指数级增长而造成的传统高性能计算瓶颈。
• 评估基于退火的机器学习在真实世界、全基因组人类肿瘤数据（来自癌症基因组图谱）上的表现。
• 比较基于退火的机器学习方法与标准机器学习技术在分类准确率和数据效率方面的表现。
• 评估非传统计算架构在生物医学数据科学未来应用中的潜力。

提出的方法

• 采用受物理量子处理器启发的基于退火的机器学习算法，对多组学生殖细胞癌数据进行建模与分类。
• 将这些算法应用于来自癌症基因组图谱（TCGA）的多个癌症类型的高维基因组谱型实际数据。
• 以标准机器学习方法作为基线进行对比评估，包括支持向量机、随机森林和神经网络。
• 使用标准分类指标（如准确率和ROC曲线下面积）评估模型性能。
• 通过改变训练数据集大小进行实验，以评估数据效率，尤其关注小样本情况下的表现。
• 执行交叉验证和超参数调优，以确保结果的稳健性与泛化能力。

实验结果

研究问题

• RQ1 基于退火的机器学习算法能否在高维、多组学生殖细胞癌数据上实现具有竞争力的分类性能？
• RQ2 在癌症分类任务中，基于退火的方法与传统机器学习模型相比，在准确率和鲁棒性方面表现如何？
• RQ3 当在较小数据集上训练时，基于退火的算法是否表现出更优性能，这在基因组学中是一个常见挑战？
• RQ4 非传统计算架构（如受量子处理器启发的架构）在分析复杂生物医学数据方面具有何种潜力？
• RQ5 这些方法能否有效分类不仅包括癌症类型，还包括来自全基因组数据的分子亚型？

主要发现

• 基于退火的机器学习算法在来自癌症基因组图谱的高维、多组学生殖细胞癌数据上实现了具有竞争力的分类性能。
• 在小规模数据集上训练时，这些算法在分类准确率方面优于标准机器学习方法。
• 本研究提供了实证证据，表明基于退火的机器学习能够有效处理全基因组癌症数据的复杂性与高维性。
• 结果表明，非传统计算方法可能有助于缓解基因组数据分析中日益严重的计算瓶颈。
• 这些方法在低数据场景下表现出鲁棒性与可扩展性，凸显其在转化医学应用中的潜力。
• 本研究首次在真实人类肿瘤基因组数据上对基于退火的机器学习进行了实证验证，为计算生物医学领域的未来研究开辟了新途径。