בנייה והדמיה של מודלים באמצעות מסגרת למידת מכונה מבוססת MIME
22 ביולי 2025
Mime היא מסגרת חישובית גמישה לבניית מודל אינטגרציה מבוסס למידת מכונה עם ביצועים אלגנטיים. כאן, אנו מספקים נוהל מפורט שלב אחר שלב לפיתוח מודלים חיזויים עם דיוק גבוה, תוך מינוף מערכי נתונים מורכבים לזיהוי גנים קריטיים הקשורים להתקדמות המחלה, תוצאות המטופלים והתגובה הטיפולית.
טכנולוגיית ריצוף גבוהה משפיעה באופן משמעותי על הבנתנו את הביולוגיה וההטרוגניות של הסרטן. עם זאת, עם נתוני ריצוף רבים לאורך כל הדרך, קשה לסנן ולזהות במהירות גנים וסמנים ביולוגיים הקשורים למחלה. קיימות מסגרות רבות של למידת מכונה, אך אף אחת מהן אינה מציעה השוואה משולבת לקבלת החלטות מושכלת. כדי להתמודד עם הפער הזה, פיתחנו את Mime, פלטפורמה מאוחדת להערכת מתח וחולשות של מודל.
Mime מציעה ארבע פונקציות, מידול פרוגנוזה אופטימלי, חיזוי תגובה בינארית, זיהוי תכונות פרוגנוסטיות והדמיית ביצועי מודל, תוך מינוף אלגוריתמים של למידת מכונה בהכשרה עצמית לניתוח בין-קריטי משולב.
חוקרים מתקשים לעתים קרובות בבחירת אלגוריתמים לחיזוי וניהול סביבות למידת מכונה. מארז R בקוד פתוח של Mime מפשט את הגדרת המודל, בחירת הפרמטרים והפריסה, ומאפשר למשתמשים לנתח את הנתונים שלהם בקלות.
Mime מסמן אבן דרך ביישום AI לביו-רפואה לשילוב למידת מכונה על פני שכבת ריצוף של תא בודד כדי לחשוף הטרוגניות תוך-גידולית באמצעות מגוון תוך-גידולי.
[קריין] כדי להתחיל, פתח את אתר GitHub במחשב שולחני. התקן את גרסת הפיתוח של Mime מ-GitHub באמצעות חבילת devtools ב-R. הכן קבוצות מרובות המכילות נתוני ריצוף שעתוק עם מידע על הישרדות או תגובה קלינית. השתמש במערכי הנתונים לדוגמה, Example.cohort ו-Example.ici, הנגישים ממאגר Mime GitHub. קבוצת Example.cohort מכילה שני מערכי נתונים של גליומה עם 100 דגימות שנבחרו באופן אקראי ממסד הנתונים TCGA ו-CGGA, בהתאמה. כלול מערכי נתונים מרובים לבניית מודלים חיזויים לפרוגנוזה ב-Example.cohort. ודא שפורמט מערך הנתונים כולל את מזהה המדגם בעמודה הראשונה, זמן הישרדות ומצב בעמודה השנייה והשלישית, ורמות ביטוי גנים שעברו טרנספורמציה בעמודות הנותרות. ודא ש-Dataset1 משמש להדרכה ולערכות נתונים אחרות לאימות. לאחר מכן, טען את מערך הנתונים Example.ici ואשר שהפורמט כולל מזהה מדגם בעמודה הראשונה, תגובה טיפולית בעמודה השנייה ורמות ביטוי גנים שעברו טרנספורמציה בעמודות הנותרות. הכן את רשימת הגנים באמצעות מערך הגנים המשויך לאיתות Wnt/beta-catenin ב-R מקובץ הגנים. השתמש בפונקציה ML.Dev.Prog.Sig ובקודים הנתונים כדי לבנות מודלים חיזויים לפרוגנוזה המבוססים על Example.cohort והגנטיסט. לאחר מכן השתמש בפונקציה cindex_dis_all כדי לשרטט את אינדקס C של כל מודל ולזהות את המודל האופטימלי. חשב את עקומות ההישרדות של חולים באמצעות ציון בהתאם לסיכון באמצעות מודל ספציפי בין מערכי נתונים שונים ועבד זאת ב-MIME באמצעות הקודים הנתונים. חשב AUC תלוי זמן עבור המודלים החיזויים באמצעות הפונקציה cal_AUC_ml_res והקודים הנתונים. כעת, שרטט את ה-AUC התלוי בזמן עבור כל מודל באמצעות הפונקציה auc_dis_all והקודים הנתונים. עבד את עקומת ה-ROC התלויה בזמן של מודל ספציפי בין מערכי נתונים שונים ב-Mime באמצעות הפונקציה roc_vis והקודים הנתונים. כדי לבנות מודלים חיזויים לתגובה טיפולית, השתמש בפונקציה ML.Dev.Pred.Category.Sig המבוססת על מערך הנתונים Example.ici ורשימת הגנים. דמיין AUC עבור כל מודל תגובה באמצעות auc_vis_category_all. לאחר מכן, צור את עקומות ה-ROC עבור כל דגם באמצעות roc_vis_category. לבחירת תכונת הליבה, זהה גנים מרכזיים הקשורים לפרוגנוזה באמצעות ML.Corefeature.Prog.Screen בהתבסס על Example.cohort ו-genelist. שרטט את דירוג הגנים המסוננים בשיטות שונות באמצעות core_feature_rank כדי להדגיש גנים מרכזיים המזוהים לעתים קרובות. מבין 117 המודלים הפרוגנוסטיים שנבנו על ידי Mime, המודל המשולב StepCox[Forward] + plsRcox הראה את מדד ההתאמה הגבוה ביותר בכל הקבוצות. לחולים עם ציוני סיכון גבוהים היו תוצאות גרועות משמעותית בכל הקבוצות. השטח השנתי מתחת לעקומה שחזתה SPCOM דורג במקום הגבוה ביותר מבין כל המודלים עם ערך ה-AUC הממוצע הגבוה ביותר בין קבוצות. מבין שבעת המודלים לחיזוי תגובה טיפולית, מודל svmRadialWeights השיג את הביצועים הגבוהים ביותר עם שטח מתחת לעקומה של 0.81 במערך נתוני האימון ו-0.68 במערך נתוני האימות. בחירת תכונות ליבה זיהתה את PSEN2, WNT5B ו-SKP2 כגנים המדורגים המובילים על סמך הישנות שלהם על פני אלגוריתמים שונים.
צפו בתמליל המלא וקבלו גישה לאלפי סרטונים מדעיים
סקירה כללית
Mime היא מסגרת חישובית שנועדה לבנות מודלי אינטגרציה המבוססים על למידת מכונה לניבוי גנים הקשורים למחלות. מאמר זה מפרט הליך שלב אחר שלב לפיתוח מודלים ניבויים בעלי דיוק גבוה באמצעות מערכי נתונים מורכבים.
מרכיבי מפתח של המחקר
תחום מדעי
- למידת מכונה
- גנומיקה
- ביואינפורמטיקה
רקע
- טכנולוגיית ריצוף בסביבת תפוקה גבוהה משפרת את הבנתנו בנושאי ביולוגיה וסרטן.
- זיהוי גנים ומסמנים ביולוגיים הקשורים למחלה מתוך מאגרי נתונים נרחבים הוא מאתגר.
- למסגרות למידה חישובית קיימות חסרות יכולות השוואה משולבות.
- Mime נותנת מענה לאתגרים אלו באמצעות אספקת פלטפורמת הערכה מאוחדת.
מטרת המחקר
- פיתוח מסגרת גמישה למידול חזוי בגנומיקה.
- מתן אפשרות למידול פרוגנוזה אופטימלי וחיזוי תגובה בינארית.
- סיוע בזיהוי מאפיינים פרוגנוסטיים משותפים ובוויזואליזציה של ביצועי המודל.
שיטות שנעשה בהן שימוש
- פיתוח פלטפורמת Mime להערכת מודלים.
- הטמעת אלגוריתמי למידה מכונה באימון עצמי.
- שילוב פונקציות מודל שונות לניתוח מקיף.
- כלי ויזואליזציה להערכת ביצועי המודל.
תוצאות עיקריות
- Mime מספקת מסגרת חסונה להערכת נקודות החוזק והחולשה של המודל.
- מסייעת בזיהוי גנים קריטיים הקשורים להתקדמות המחלה.
- משפרת את תהליכי קבלת ההחלטות באמצעות השוואות מודלים משולבות.
- מפגינה דיוק גבוה במשימות של מידול חזוי.
מסקנות
- Mime הוא כלי בעל ערך עבור חוקרים בתחומי הגנומיקה והלמידה החישובית (machine learning).
- הוא נותן מענה לפערים משמעותיים בניתוח של נתוני רצף בתפוקה גבוהה (high-throughput sequencing).
- יישומים עתידיים עשויים להרחיב את תועלתו במגוון תחומי מחקר ביולוגיים.
שאלות נפוצות
רלוונטיות תעשייתית למנהלים
Mime מאפשרת לצוותי מו"פ בתחומי הביו-פארמה לבנות, להשוות ולהציג ויזואלית מודלים של למידת מכונה לניבוי תוצאות קליניות באמצעות נתוני תעתוק בעלת תפוקה גבוהה. מסגרת זו נותנת מענה לאתגר של בחירת אלגוריתמים ומאפיינים אופטימליים למידול תגובה טיפולית ופרוגנוסטית, ותומכת בקבלת החלטות מבוססת נתונים בנקודות מפתח של גילוי ומעבר לשלב התרגומי. הגישה המשולבת של Mime משפרת את הביטחון בניבוי ואת תיעדוף הפורטפוליו על ידי ייעול הערכת המודלים ותיעדוף המאפיינים.
יישומים אסטרטגיים במחקר ופיתוח ביו-פרמצבטיים
גילוי מוקדם ותיקוף מטרה
- תומך בזיהוי של גנים ובמרקרים ביולוגיים הקשורים למחלות מתוך נתוני ריצוף מורכבים.
- מאפשר בחירת תכונות (feature selection) חסונה להבהרת הגורמים המכניסטיים של פנוטיפים קליניים.
- מאפשר הערכה השוואתית של מספר אלגוריתמים לחיזוי לצורך תיקוף מטרות.
- משפר את הביטחון החזוי בבדיקת השערות בשלבים מוקדמים ובמיון פורטפוליו.
סריקה ופיתוח בדיקה
- מכין חתימות גנים שעברו תיקוף לצורך סריקות וזרימות עבודה של בדיקות בהמשך התהליך.
- מבצע סטנדרטיזציה של בניית המודל וכוונון הפרמטרים להשגת תוצאות הדירות.
- מאפשר הערכה כמותית של מדדי ביצועי המודל כגון AUC ו-C-index.
- תומך בהערכה ניתנת להרחבה של ביומרקרים מועמדים על פני מספר מערכי נתונים.
מחקר תרגומי ופרה-קליני
- מתאימה מודלים חיזויים למדדי קצה קליניים לצורך רציפות תרגומית.
- מאפשר קבלת החלטות לגבי קידום מבוססות התאמה לסיכון, בהתבסס על מודלים מאומתים של פרוגנוזה ותגובה.
- תומך בזיהוי מאפייני ליבה בעלי פוטנציאל כסמנים ביולוגיים תרגומיים.
- מספק פלטים גרפיים כדי להקל על פרשנות רב-תחומית של תוצאות המודל.
שילוב תהליכי עבודה וצנרת עיבוד
Mime משתלב בצינור העבודה מהגילוי ועד לתרגום הקליני על ידי מתן אפשרות לבניית מודלים, בחירת מאפיינים והדמיית ביצועים, החל משלב הגילוי המוקדם ועד לתיקוף פרה-קליני.
- ביולוגיה של גילוי: מקלה על בדיקת השערות והפחתת סיכונים מכניסטיים באמצעות בחירת מאפיינים חסונה והשוואת מודלים.
- סריקה: מספקת פלטים כמותיים הניתנים לשחזור לצורך בדיקת מוכנות של בדיקות (assays) והערכת מועמדים.
- אנליטיקה: מספקת פלטים סטטיסטיים כגון C-index, AUC ועקומות ROC להערכה קפדנית של מודלים.
- מחקר תרגומי: מגשר בין שלבי הגילוי לשלבים הפרה-קליניים על ידי התאמת מודלים עם תגובה קלינית ומדדי פרוגנוזה.
- שימוש חוזר ארגוני: מציעה פלטפורמה גמישה ובקוד פתוח לניתוח למידת מכונה סטנדרטי לרוחב פרויקטים שונים.
השפעה תפעולית וארגונית
- ערך מדעי: מגביר את הביטחון החזוי ומפחית עמימות מכניסטית בתיקוף של מטרות וסמנים ביולוגיים.
- ערך תפעולי: מייעל את הגדרת המודל, בחירת הפרמטרים והפריסה לצורך ניתוח הניתן לשחזור ובקנה מידה רחב.
- ערך אסטרטגי: מאפשר קבלת החלטות מושכלת לגבי המשך או הפסקת הפיתוח (go/no-go) וניהול פורטפוליו יעיל מבחינת הון באמצעות השוואת מודלים משולבת.
- השפעה על הפורטפוליו: תומך בתעדוף מותאם סיכונים ובקידום מועמדים על בסיס ניתוחים חזויים חסונים.
שיקולי יישום
- דורש מומחיות בלמידת מכונה, תכנות בשפת R וניתוח נתונים בתוספת של תפוקה גבוהה (high-throughput).
- תלוי בגישה למאגרי נתונים תעתוקיים המאannotated היטב עם נקודות קצה קליניות.
- דורש תשתית חישובית לאימון מודלים, תיקוף והדמיה.
- דורש סטנדרטיזציה בין-צוותית של פורמטי נתונים ותהליכי עבודה של ניתוח.
- הביצועים עשויים להשתנות בהתאם לאיכות מאגר הנתונים, גודל העוקבה ואסטרטגיית בחירת המאפיינים.
