본문 바로가기
KERD
논문KCI 등재

강화학습과 비례위험모형을 이용한 환자 치료 효과를 높이는 유전자 변이 탐색 알고리즘

Search Algorithm for Genetic Variants that Increases the Effectiveness of Patient Treatment using Reinforcement Learning and Proportional Hazards Model

김수현|김동진|강민수|강민구
한국차세대컴퓨팅학회 (KINGComputing)|2022.04|한국차세대컴퓨팅학회 논문지 (The Journal of Korean Institute of Next Generation Computing)|제18권 제2호|pp. 15-24|DOI 10.23019/kingpc.18.2.202204.002

1

조회

0

다운로드

0

인용

0

참고문헌

키워드

생존분석강화학습정밀의료Precision medicineSurvival analysis유전체 분석Reinforcement learningGenomic analysis
주제분류컴퓨터학

초록

최근 환자 의료 데이터를 바탕으로 환자 맞춤형 정밀의료를 수행해 더 나은 치료를 수행하려는 시도가 이어지고 있다. 그중에서도, 유전자 분석의 비용과 시간이 감소함에 따라 유전체 기반 맞춤 치료 연구가 활발하다. 그러나 암세포마다 수 천개 존재하는 유전자 변이들의 효과를 직접 파악하는 것은 어렵기 때문에 기존 기법들은 환자 데이터로부터 통계적 연관성에 기반해 분석을 수행한다. 본 연구는 더 나아가 특정 항암치료의 효과를 높이는 유전자 변이를 탐색하고 중요도에 따라 순위를 매기는 기법을 제안한다. 이를 위해서 개별 유전자가 환자 치료에 미치는 영향을 정량화하기 위해 비례위험모형 기반의 치료함수를 설계하고, 강화학습 기반의 특징 선택 기법을 도입해 수많은 후보로부터 유효한 유전자를 추출한다. 분석 결과 제안한 알고리즘은 의학적 지식 없이도 유효한 유전자 변이를 탐색할 수 있음을 보인다.

Abstract

Recently, there has been an increasing number of attempts to perform the better treatment by performing patient-specific precision medicine. Genome-based customized treatments, one of the representative precision medicines, are receiving much attention as the cost and time of genetic analysis are dramatically decreased. However, since it is challenging to directly grasp the effects of thousands of gene variants present in cancer cell, existing methods perform analysis based on statistical associations from patient data. This study proposes a novel technique for finding gene variants which increase the effectiveness of treatment and ranking them according to their importance. In order to quantify the effect of individual genes on patient treatment, we design the Treatment Effect function based on a proportional hazard model. A feature selection technique based on reinforcement learning is introduced to extract effective genes from numerous gene candidates. We verify that the proposed algorithm can find effective gene variants without any medical knowledge and statistical analysis techniques.

참고문헌 (20)

  1. 국내 의료기관의 표준화된 전자의무기록시스템(EMR, "EHR) 도입지원 방안", 2015
  2. Ashley, E. A., "Towards precision medicine", Nature Reviews Genetics, 17(9), pp.507~522 (2016)
  3. 송명선, "유전체 데이터를 위한 효율적인 데이터 관리자의 구현 및 성능분석", 한국차세대컴퓨팅학회 논문지, 8(1), pp.24~33 (2012), 한국차세대컴퓨팅학회
  4. 이병욱, "발현 유전자 분석을 위한 고성능 클라우드 서비스 구축", 한국차세대컴퓨팅학회 논문지, 11(3), pp.43~55 (2015), 한국차세대컴퓨팅학회
  5. 이종근, "클라우드 컴퓨팅을 이용한 개인 유전체 정보 분석: 병렬 CNV 영역 검색 알고리즘", 한국차세대컴퓨팅학회 논문지, 6(3), pp.4~11 (2010), 한국차세대컴퓨팅학회
  6. Alzu'bi, A. A, "Genetic variations and precision medicine", Perspectives in health information management, 16(Spring) (2019)
  7. Freidlin, B., "Randomized clinical trials with biomarkers: design issues", Journal of the National Cancer Institute, 102(3), pp.152~160 (2010)
  8. Wang, W., "Genome-wide association studies: theoretical and practical concerns", Nature Reviews Genetics, 6(2), pp.109~118 (2005)
  9. Liu, H., "Computational methods of feature selection" (2007), CRC Press
  10. Liu, H., "Toward integrating feature selection algorithms for classification and clustering", IEEE Transactions on knowledge and data engineering, 17(4), pp.491~502 (2005)
  11. Huang, J., "A hybrid genetic algorithm for feature selection wrapper based on mutual information", Pattern recognition letters, 28(13), pp.1825~1844 (2007)
  12. Chuang, L. Y., "Improved binary particle swarm optimization using catfish effect for feature selection", Expert Systems with Applications, 38(10), pp.12699~12707 (2011)
  13. Xue, B., "Particle swarm optimisation for feature selection in classification: Novel initialisation and updating mechanisms", Applied soft computing, 18, pp.261~276 (2014)
  14. Sadeg, S., "QBSO-FS: A Reinforcement learning based bee swarm optimization metaheuristic for feature selection", In International Work Conference on Artificial Neural Networks, pp.785~796 (2019), Springer
  15. Henderson, P., "Deep reinforcement learning that matters", Proceedings of the AAAI conference on artificial intelligence, 32(1) (2018)
  16. Wauters, T., "In Hybrid metaheuristics", pp.433~452 (2013), Springer
  17. Huang, Y., "Cox regression with dependent error in covariates", Biometrics, 74(1), pp.118~126 (2018)
  18. Ke, L., "An efficient ant colony optimization approach to attribute reduction in rough set theory", Pattern Recognition Letters, 29(9), pp.1351~1357 (2008)
  19. Xue, B., "Particle swarm optimisation for feature selection in classification : Novel initialisation and updating mechanisms", Applied soft computing, 18, pp.261~276 (2014)
  20. Sadeg, S., "BSO-FS: bee swarm optimization for feature selection in classification" (2015), Springer

관련 논문AI추천

시뮬레이티드 어닐링을 이용한 질환 관련 SNP 조합 선정 및 질환 예측김진, 김동회, 엄상용한국지식정보기술학회 · 한국지식정보기술학회 논문지2010 · 제5권 제3호암 예후를 효과적으로 예측하기 위한 Node2Vec 기반의 유전자 발현량 이미지 표현기법박상현, 최종환한국정보처리학회 · 정보처리학회 논문지2019 · 제8권 제10호개인별 유전자 네트워크 구축 및 페이지랭크를 이용한 환자 특이적 암 유발 유전자 탐색 방법박지우, 안재균, 정희원한국정보처리학회 · 정보처리학회 논문지2021 · 제10권 제12호대장암 환자에 대한 LGBM을 이용한 항암화학요법 추천 분류 모델강운구, 백정흠, 오서현한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2021 · 제26권 제7호순위 비교를 기반으로 하는 다양한 유전자 개수로 이루어진 암 분류 결정 규칙의 생성박상현, 변상재, 윤영미한국정보처리학회 · 정보처리학회논문지D2008 · 제15권 제6호Relationships between genetic polymorphisms and transcriptional profiles for outcome prediction in anticancer agent treatment이도헌, Eunjung Lee, Hyojung Paik생화학분자생물학회 · BMB Reports2010 · 제43권 제12호

이 간행물의 다른 논문 (8건)

이더리움 블록체인 환경에서 전력 데이터의 효율적 저장을 위한 데이터 수직 결합 기법의 설계와 구현박재형, 이태영pp. 7-14비디오 스토리지 시스템에서 복구 읽기 I/O 대역폭 최소화를 위한 적응형 중복 방법 선택 기법송민석, 이다영, 이춘광pp. 25-35기계장비 진동 데이터를 이용한 딥러닝 기반의 고장 분류 모델이수안, 이수형, 고상근pp. 36-46오토인코더 기반 이상 행동 탐지 시스템에서 3D CNN과 초해상화 기법의 적용 및 성능 분석전영훈, 곽정환, 임현석pp. 47-58반려동물 피부영상에서의 질환 검출을 위한 딥러닝 기반 털 영역분할 기법: 기존 방법의 적용성 평가유원상, 박범진, 이영찬, 이범식, 최재영pp. 59-74
원문 보기