Current Issue

많은 연구를 통해 질병 발병 인자로서의 miRNA 기능들이 다양한 생물학적 근거로 입증되고 있다. 이로 인해, 다양한 온라인 데이터베이스에서 질병과 miRNA의 관계 정보를 제공하고 있다. 본 논문에서는 질병 관련 miRNA 정보를 제공하는 HMDD v3.2 온라인 데이터베이스에서 질병과 miRNA 관계 정보를 각각 다운로드 받아 모델의 훈련 및 검증 데이터로 사용하였다[21].

본 논문에서는 검증된 관계 값을 사용하기 위해, 생물학 실험을 통해 증명된 데이터베이스를 사용하였다. HMDD v3.2는 1,206개의 miRNA와 893개의 질병 사이에서 실제 문헌 정보에서 관계가 증빙된 35,547개의 샘플 데이터를 제공하고 있다.

본 연구에서는 딥러닝을 기반으로 하여 miRNA와 질병 간의 관계를 효과적으로 예측하는 모델을 제안하고자 한다. 질병과 miRNA의 관계를 효과적으로 추출하기 위해서는 miRNA, 질병 특징 벡터를 각각 정확하게 수치형 데이터로 표현하는 기법이 중요하다. 본 논문에서는 딥러닝 모델의 입력값으로 사용하기 위한 miRNA, 질병 특징 벡터를 인공신경망 기반 오토인코더를 활용하여 차원 축소를 통해 추출하였다. 오토인코더란 인공신경망을 활용한 비지도 학습 방법(Unsupervised learning) 기반 표현 학습(Representation learning) 기법이다.

이는 입력 데이터값의 차원을 축소하여 원래의 데이터 값보다 작은 차원의 잠재 공간(Latent space)로 압축시킨 후, 이를 다시 원본 입력으로 복원할 수 있도록 네트워크를 학습시키는 방법이다. 저차원으로 압축시키는 부분을 인코더(Encoder)라 하며, 압축된 데이터를 원래의 차원으로 복원시키는 부분을 디코더(Decoder)라 일컫는다(그림 1).

Fig. 1. 
Structure of auto-encoder

Fig. 2. 
Visualization of auto-encoder

인코더 부분에서는 원-핫 인코딩(One-hot encoding)을 통해 표현된 고차원(1,206) miRNA m 벡터를 인코딩(Encoding) 과정을 통해 5차원의 h벡터로 매핑시킨다(식 (1)).

s는 비선형(Non-linear)함수인 시그모이드(Sigmoid) 함수로 표현되며, W는 입력 데이터값을 은닉층(Hidden layer)으로 표현되는 저차원 임베딩 공간으로 연결해주는 가중치 값들이다. 디코딩 단계에서는 저차원으로 표현된 h_m벡터를 복원과정을 통해 다시 miRNA m^'벡터로 변환한다(식 (2)).

복원된 m^'는 새롭게 예측된 miRNA 벡터이며, 데이터 샘플을 통해 손실함수의 에러 값을 줄여나가는 방법으로 W,W^',b,b^'로 표현된 오토인코더의 가중치 값들을 수정한다. 손실함수 L(m,m^')는 식 (3)과 같이 표현된다.

이와 같은 방식으로 원-핫 인코딩으로 표현된 893차원 질병 벡터 d를 5차원 벡터 h_d로 변환하였다.

오토인코더를 통해 변환된 miRNA 벡터 h_m와 질병 벡터 h_d를 결합(Concatenate)하여 h_t = [h_m ; h_d]를 생성하였다. 최종적으로 h_t와 질병 관계 유무를 나타내는 이진(Binary) 정보를 결합하여 딥러닝 모델의 입력 데이터값으로 사용하였다.

오토인코더를 통해 추출된 miRNA와 질병 벡터 정보를 결합하여 h_t벡터를 생성하였고, 이를 딥러닝의 입력값으로 사용하였다(그림 3). 단순 결합 된 벡터들은 miRNA와 질병 사이의 관계를 충분하게 표현하지 못하는 경향을 지닌다. 따라서, 여러 개의 퍼셉트론 뉴런을 여러 층으로 쌓은 다층신경망 구조(MLP, Multi-Layer Perceptron)를 사용하여 예측 모델을 설계하였다(식 (4)).

Fig. 3. 
Workflow of the proposed model

다섯 개의 층을 쌓아서 다층신경망을 구성하였고, 훈련 방법으로는 드롭아웃(Dropout)을 사용하였다. 또한, 활성화 함수(Activation function)로는 ReLU를 사용하였다.

a_x, b_x 그리고 w_x는 각각 x번째 층 퍼셉트론의 활성화 함수, 바이어스(Bias) 벡터, 가중치 행렬로 표현된다.

본 논문에서 제안하는 모델의 예측 성능을 평가하기 위해 LOOCV(Leave-One-Out Cross Validation) 교차 검증을 수행하였다. LOOCV는 n개의 데이터 샘플이 존재할 때, 하나의 데이터 샘플을 선택하여 이를 검증 데이터로 사용하고, 나머지 n-1개의 데이터 샘플을 훈련데이터로 사용하여, 이를 n회 반복하는 성능평가 기법이다. 즉, n개의 miRNA-질병 관계 데이터가 주어졌을 때, n-1개의 miRNA-질병 관계 데이터 샘플을 통해 예측 모델을 훈련하였고, 나머지 하나의 데이터 샘플을 통해 모델의 성능을 측정하였다. 최종적으로. 이를 n회 반복 실험하여 모델의 성능을 엄격하게 평가하였다.

본 논문에서는 LOOCV 검증 방법을 사용하여, 기존 인공지능 기반 예측 모델들과의 성능평가를 실행하였다[12][19]. 질병 관련 miRNA를 정확하게 예측하였는지 평가하기 위해, AUC(Area Under the receiver operating Characteristic Curve) 값을 계산하여 기존 예측 모델들과의 비교 실험을 진행하였다. ROC(Receiver Operating Charateristic)는 분류 모델의 성능을 나타내는 그래프로서, AUC 값은 ROC 곡선 아래 영역을 의미한다. 우수한 분류 모델일수록 AUC 값이 1에 가까우며, 0.5는 모델의 분류 능력이 거의 없음을 의미한다.

그림 4에서 확인할 수 있듯이 본 논문에서 제시하는 모델이 AUC = 0.9075 값을 도출하며, 기존 방법론 MDHGI (0.9040), PMAMCA (0.8967) 보다 우수한 성능을 도출한 것을 확인할 수 있었다.

Fig. 4. 
ROC curve based performance comparison evaluation

또한, 본 논문에서 제안하는 예측 모델의 성능을 확인하기 위해 추가적인 평가 지표를 적용하여 비교 실험을 진행하였다(표 1). ROC 곡선은 Positive class와 Negative class의 샘플 수가 다를 경우, 이를 정확하게 반영하지 못한다는 단점을 지니고 있다. 이에, AUPR을 적용하여 추가적인 성능 평가실험을 진행하였다. AUPR은 정밀도(Precision)-재현율(Recall) 곡선의 아래 면적을 의미한다.

또한, F1 스코어를 통해서 본 논문에서 제안하는 모델의 성능을 평가하였다. F1 스코어는 정밀도와 재현율을 결합한 지표로서, 이는 식 (5)를 통해서 계산할 수 있다.

또한, 유방암 관련 miRNA 추출 비교 실험을 진행하였다. 각 논문에서 제안하는 서로 다른 방법론을 통해 유방암 관련 miRNA를 100개, 50개 추출하였을 때, 실제로 얼마나 많은 유방암 관련 miRNA를 추출하였는지 확인하였다. 그림 5에서 확인할 수 있듯이, 본 논문에서 제안하는 모델이 각각 96, 49개의 유방암 관련 miRNA를 추출하였으며, 이는 비교 모델(MDHGI: 91개, 46개, PMAMCA: 88개, 44개)보다 나은 성능임을 확인할 수 있었다.

Fig. 5. 
Performance evaluation on breast cancer-related miRNA extraction

본 연구에서 제안하는 예측 모델의 우수성을 증명하기 위해 추가적으로 생존 분석 실험을 진행하였다. 생존 분석이란, 어떠한 사건이 발생할 때까지의 시간을 분석하여, 두 집단의 생존율을 비교하고, 생존율에 미치는 위험인자를 분석하는 방법론이다. 주어진 시간이 지났을 때 생존하는 인구 및 환자의 비율의 문제는 생존 분석에서 가장 많이 다루는 문제이다. 즉, 주어진 인자가 중요한 역할을 하는 인자일수록, 두 집단의 생존율은 큰 차이를 보이게 된다. 생존 분석을 그림으로 도식화한 것이 Kaplan-meier plot이다. Kaplan-meier plot의 x축은 생존 기간 y축은 생존율을 각각 의미하며, 이를 통해 집단 간의 시간에 따른 생존율을 쉽게 비교할 수 있다. 본 논문에서 제안하는 방법론으로 예측한 유방암 관련 miRNA (hsa-miR-101, has-miR-210, has-miR- 148a)에 대하여 유방암 환자의 생존율을 분석하였다. 특정 miRNA가 유방암과 관련이 높을수록, 두 집단의 생존율은 큰 차이를 보이게 되며, 이는 곧 모델이 예측한 miRNA가 질병 발병 인자라는 것을 뜻하게 된다.

결과적으로 그림 6, 7, 8을 통해 확인할 수 있듯이, miRNA 발현량 값이 높은 환자 집단과 발현량 값이 적은 환자 집단이 생존율 측면에서 큰 차이를 보이는 것을 확인할 수 있었으며, 이는 곧 해당 miRNA가 유방암 발병에 중요한 인자라는 것을 뜻하게 된다. 이는 통계적 수치값(p-value<0.005)으로도 실험의 타당성을 증명할 수 있었다.

Fig. 6. 
Kaplan-meier plots of hsa-miR-101 for survival of patients with breast cancer

Fig. 7. 
Kaplan-meier plots of hsa-miR-210 for survival of patients with breast cancer

Fig. 8. 
Kaplan-meier plots of hsa-miR-148a for survival of patients with breast cancer