Multi-label Classification with Gradient Boosting for Metabolic Pathway Prediction = 대사경로 예측을 위한 그래디언트 부스팅을 사용한 다중 라벨 분류

다국어 초록 (Multilingual Abstract)

Introduction: The objective of this study is to evaluate a novel
gradient boosting methodology on established metabolic pathway
prediction benchmarks to solve the problem of reconstructing
metabolic networks of organisms from genome sequences. Metabolic
pathway prediction is one approach to address the problem in system
biology of reconstructing the metabolic network of an organism from
its genome sequence. Recently there have been developments in
machine learning-based pathway prediction methods that conclude
that machine learning-based approaches are similar in performance
to the most used method, PathoLogic which is a rule-based method.
One issue is that previous studies evaluated PathoLogic without
taxonomic pruning which decreases its performance.
Results: This study updates the evaluation results from previous
studies to demonstrate that PathoLogic with taxonomic pruning
outperforms previous machine learning-based approaches and that
further improvements in performance need to be made for them to be
competitive. Furthermore, this study introduces mlGBPR, a gradient
boosting-based metabolic pathway prediction method improving on
the multi-label classification pathway prediction framework
introduced from mlLGPR. An improvement to this multi-label
framework is made by utilizing correlations between labels using
classifier chains. A ranking method is proposed that determines the
order of the chain so that lower performing classifiers are placed
later in the chain to utilize the correlations between labels more.
Finally, mlGBPR is evaluated with and without classifier chains on
single-organism and multi-organism benchmarks. Results indicate
that mlGBPR outperforms other previous pathway prediction methodsii
including PathoLogic with taxonomic pruning in terms of hamming
loss, precision and F1 score on single organism benchmarks.
Discussion: The results from this study indicate that the performance
of machine learning-based pathway prediction methods can be
substantially improved and can even outperform PathoLogic with
taxonomic pruning. The methods developed in this study can
generate higher quality predictions that can be used to expediate the
processing of creating metabolic pathway models. These models
have further applications in medicine to construct integrated human-
virus metabolic models where candidate drug-gene targets for
diseases such as COVID-19 can be identified through computational
analysis that minimize viral metabolism and host damage.

국문 초록 (Abstract)

서론: 본 연구의 목표는 유전체 서열에서 유기체의 대사 네트워크를 재
구성하는 생물학의 문제를 해결하기 위해 대사경로 예측 벤치마크에 대
한 새로운 그래디언트 부스팅 방법론을 평가하는 것이다. 대사경로 예측
은 유기체의 유전체 서열로 유기체의 대사 네트워크를 재구성하는 시스
템 생물학의 문제를 해결하는 한 가지 가능한 접근 방식이다. 유기체의
대사 모델은 유전적 상호작용을 넘어 더 높은 수준의 이해를 가능하게
한다. 유기체의 대사 모델 생성은 일반적으로 수동 큐레이션을 통해 수
행되며 대사경로 예측을 사용하여 수동프로세스를 자동화할 수 있다. 대
사경로 예측 문제에서 기계 학습 기반 접근 방식이 대표 비기계 학습 방
법인 PathoLogic과 성능이 유사하다는 결론을 내린 최근 연구가 있다.
방법: 비기계학습 모델인 PathoLogic은 최적화된 옵션값을 통해 이전의
기계 학습 기반의 모델보다 뛰어난 성능을 보인다. 본 연구에서는 기존
벤치마크를 개선하고 알고리즘의 하이퍼파라미터를 최적화하여 기존 연
구보다 뛰어난 성능의 대사경로 예측 모델을 개발하고자 한다. 본 연구
에서는 대사경로 예측 벤치마크에 대한 여러 그래디언트 부스팅 방법을
소개하고 평가한다. 본 연구는 예측 경로 간의 상관관계를 활용하여 대
사경로 예측 문제에 새로운 기여를한다. 또한, 본 연구에서는 예측경로
간의 상관관계를 활용할 때 사용할 수 있는 순위화 방법을 제안한다.
본 연구에서 개발된 알고리즘은 더 높은 품질의 대사모델을 생성하고,
예측결과를 통해 생물의학 연구원이 사용 가능한 대사경로 데이터베이스
를 구축할 수 있다.
결론: 본 연구에서 개발된 알고리즘은 더 높은 품질의 대사모델을 생성
하고, 예측결과를 통해 생물의학 연구원이 사용 가능한 대사경로 데이터
베이스를 구축할 수 있다. 대사경로 예측결과로 통합 인간-바이러스 대
사모델을 구축하고 전산적 유전자 분석으로인해 바이러스 대사와 숙주에
대한 피해를 최소화할 수 있다. 최근 연구에서는 COVID-19에 대한 후
보 약물 유전자 표적을 탐색하기 위해 통합 대사 모델을 사용하였다.

목차 (Table of Contents)

• Abstract i
• List of Figures iv
• List of Tables v
• 1. Introduction 1
• 1.1. Background 1
• 1.2. Related Works: PathoLogic 7
• 1.3. Related Works: mlLGPR 9
• 1.4. Evaluation Criteria Limitations 13
• 1.5. Contributions 15
• 1.5.1 Comparison with Related Work 17
• 2. Materials and Methods 19
• 2.1. Definitions and Problem Formulation 20
• 2.2. Feature Engineering 22
• 2.3. Multi-label Learning Process 23
• 2.4. Experimental Setup 30
• 2.5. Performance Metrics 38
• 3. Results and Discussion 41
• 3.1. Single-Organism Evaluation 41
• 3.2. Running Time and Interpretability 45
• 3.3. Multi-Organism Evaluation 53
• 4. Conclusion 55
• References 57
• Abstract in Korean 69
• Acknowledgements 71