동기: 생물학적 경로는 생물학적 과정에 대한 중요한 정리된 지식이다. 따라서 경로에 기반한 암 아형 분류는 암 아형 간의 생물학적 기전 차이를 이해하는 데 매우 유용할 것이다. 그러나 경로는 전체 유전자 집합의 일부만 포함하며, KEGG에서는 사람 유전자의 약 1/3만이 경로에 포함되고, 경로는 단편화되어 있다. 이러한 이유로 경로를 이용한 암 아형 분류를 수행하는 계산 방법은 많지 않다. 결과: 우리는 관심(attention) 메커니즘과 네트워크 전파(network propagation)를 갖춘 설명 가능한 딥러닝 모델을 제시한다. 각 경로는 그래프 합성곱 신경망(graph convolutional network)으로 모델링된다. 그 다음, 다중 관심 기반 앙상블 모델이 수백 개의 경로를 설명 가능하게 결합한다. 마지막으로 경로-유전자 네트워크에 대한 네트워크 전파는 아형에서 유전자 발현 프로파일이 서로 다른 이유를 설명한다. 5개의 TCGA 암 데이터셋을 대상으로 한 실험에서, 본 방법은 매우 우수한 분류 정확도를 달성했으며, 아울러 아형 특이적 경로와 생물학적 기능을 확인하였다. 이용 가능성 및 구현: 소스 코드는 http://biohealth.snu.ac.kr/software/GCN_MAE 에서 제공된다. 보충 정보: 보충 데이터는 Bioinformatics 온라인에서 이용 가능하다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.