Исследователи выявили общий недостаток методов генетического предсказания

Исследователи из Института онкологии Сингапура (CSI Singapore) Национального университета Сингапура и Школы биологических наук Наньянского технологического университета Сингапура выявили общий недостаток существующих методов искусственного интеллекта, используемых для предсказания взаимодействий энхансер-промотор. Этот недостаток может приводить к завышенным оценкам производительности методов. Результаты, опубликованные в научном журнале Nature Genetics в июле 2019 года, предоставляют улучшенную дорожную карту для понимания регуляции генов.

Понимание взаимодействий между энхансером (короткой последовательностью ДНК, ускоряющей транскрипцию) и промотором (участком ДНК, инициирующим транскрипцию гена) критически важно для исследований регуляции генов. Особый научный интерес представляет вопрос, могут ли эти взаимодействия быть дисфункциональными в раковых клетках, что открывает возможности для клинического вмешательства. Методы ИИ для предсказания таких взаимодействий жизненно необходимы для масштабных и экономичных исследований.

В ходе исследования команда под руководством доктора Цао Фань и доктора Мелиссы Дж. Фуллвуд попыталась разработать метод предсказания, используя существующие наборы данных от TargetFinder — передового метода машинного обучения, который предсказывает взаимодействия на основе профилей транскрипционных факторов и гистоновых модификаций в оконных регионах между энхансерами и промоторами. Изначально метод демонстрировал высокую производительность.

Однако тщательный анализ наборов данных TargetFinder показал, что заявленная высокая производительность может быть обусловлена значительным перекрытием оконных регионов у положительных образцов в наборах данных, что искажало оценку. Чтобы устранить проблему перекрывающихся образцов, команда оценила методы с использованием стратегии разделения по хромосомам. В этом случае производительность TargetFinder оказалась значительно ниже, что доказало завышение первоначальных оценок.

Команда также изучила другой метод — JEME (контролируемый метод машинного обучения). Расследование показало, что JEME также дает завышенные оценки производительности из-за ошибочного использования входных данных, где положительные и отрицательные образцы имели существенно разные распределения по расстоянию.

Ключевые выводы и цитаты:

• Исследование подчеркивает необходимость тщательного экспериментального дизайна при применении машинного обучения в геномных исследованиях.
• Доктор Цао: «Крайне важно правильно оценивать метод предсказания взаимодействий энхансер-промотор и учитывать возможность получения сильно завышенных оценок производительности».
• Доктор Фуллвуд: «Точное предсказание взаимодействий энхансер-промотор необходимо для исследований регуляции генов, чтобы понять различия между раковыми образцами... для разработки биомаркеров и методов терапии рака в будущем».

В дальнейшем команда планирует работать над созданием нового точного подхода на основе машинного обучения для предсказания взаимодействий энхансер-промотор и применять его для анализа когорт раковых заболеваний.