Interpreting biologically informed neural networks for enhanced proteomic biomarker discovery and pathway analysis

Interpreting biologically informed neural networks for enhanced proteomic biomarker discovery and pathway analysis - Nature Communications

1. 本研究の学術的背景は、機械学習技術、特に深層ニューラルネットワークがプロテオミクス（生体内の全タンパク質を対象とする分野）で有用である一方で、その解釈可能性が欠けているという問題です。核心となる学術的「問い」は「深層学習をどのように進化させてプロテオミクス実験の解釈可能性を改善できるか？」です。

2. 本研究の目的は、生物学的な経路分析とバイオマーカーの特定を結合する深層学習アプローチを提供することです。この技術の独自性と創造性は、プロテインと生物学的経路やプロセスとの関係に関する既知の知識を疎なニューラルネットワークに組み込むことで、生物学的に情報を得られるニューラルネットワークを生成する点にあります。

3. ニューラルネットワークの解釈可能性の問題への解決策を見つけるという課題から、本研究の着想は生まれました。この研究はディープラーニングとプロテオミクスの融合という視点で、関連研究とは異なる位置づけにあります。

4. 本研究では、生物学的な情報を組み込んだニューラルネットワークを用いて、敗血症性急性腎障害やCOVID-19、異なる原因による急性呼吸窮迫症候群の臨床下位表現型を判別しました。そして、複雑な症候群の生物学的理解を深めるために、特徴寄与法を用いて重要なタンパク質や経路を特定しました。

5. 本研究の有効性は、実際のインフルエンザ患者やCOVID-19患者のデータを用いて、使用した機械学習モデルがそれらのサブタイプを正確に分類できるかどうかを検証することによって確認されました。また、詳細なタンパク質と経路の同定は、それらが進行中の異なるサブタイプを区別するのに重要であるとの結果をもって有効性を裏付けています。