뉴럴 네트워크 기반의 다중 오믹스 통합 유방암 서브타입 분류 (Breast Cancer Subtype Classification Using Multi-omics Data Integration Based on Neural Network)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 47권 / 9호 / 835 ~ 841페이지
· 저자명 : 최정민, 이지영, 김지은, 김지현, 채희준

초록

유방암은 다양한 생물학적 요소로 구성된 복잡한 질병으로, 여러 분자적 서브 타입을 유발한다. 정확한 서브 타입 예측은 암의 예후에 중대한 영향을 가지며, 서브 타입별 치료법 제공을 통한 환자의 생존율 향상에 중요하나, 생물학적 이질성으로 인해 쉽지 않다. 최근, 유전체 및 후성 유전체 데이터를 처리하기 위해 머신러닝 모델들이 유방암 분류에 적용되었으며, 특히 다중 오믹스를 활용한 연구들이 제시되었다. 하지만, 높은 차원과 복잡성으로 인해 특징 분석 및 분류 정확성에 한계를 갖는다. 본 논문에서는 뉴럴 네트워크를 기반으로 다중 오믹스 통합 데이터를 활용한 유방암 서브 타입 분류 모델을 제시한다. 유전자 발현, DNA 메틸레이션, 그리고 miRNA 오믹스를 통합한 데이터로 분류 모델을 구축하였으며, 성능 비교 결과, 평균 90.45%의 정확도로 기존 연구보다 높은 성능을 보였다. 제안된 모델을 통해 정확한 유방암 환자의 서브 타입 예측을 기반으로 환자의 예후 향상에 도움을 줄 것으로 기대된다.

영어초록

Breast cancer is one of the highly heterogeneous diseases comprising multiple biological factors, causing multiple subtypes. Early diagnosis and accurate subtype prediction of breast cancer play a critical role in the prognosis of cancer and are crucial to providing appropriate treatment for each patient with different subtypes. To identify significant patterns from enormous volumes of genetic and epigenetic data, machine learning-based methods have been adopted to the breast cancer subtype classification. Recently, multi-omics data integration has attracted much attention as a promising approach in recognizing complex molecular mechanisms and providing a comprehensive view of patients. However, because of the characteristics of high dimensionality, multi-omics based approaches are limited in prediction accuracy. In this paper, we propose a neural network-based breast cancer subtype classification model using multi-omics data integration. The gene expression, DNA methylation, and miRNA omics dataset were integrated after preprocessing and the classification model was trained based on the neural network using the dataset. Our performance evaluation results showed that the proposed model outperforms all other methods, providing the highest classification accuracy of 90.45%. We expect this model to be useful in predicting the subtypes of breast cancer and improving patients’ prognosis.

참고자료

· 없음