[6] Graph Convolutional Network for Drug Response Prediction Using Gene Expression Data

2021

암 환자의 유전체 프로필은 유전자 발현과 같은 정보로 맞춤의학 시대에서 약물 반응을 예측하는 주요한 정보원이 되었습니다. 암 세포주를 사용한 대규모 약물 선별 데이터가 이용 가능하며, 이로부터 약물 반응 예측을 위한 여러 계산 모델들이 개발되었습니다. 그러나 유전자 발형 데이터와 생물학적 네트워크를 모두 고려한 방법은 드물며, 이는 야물 반응의 근본적인 과정에 대한 중요한 정보를 담고 있을 수 있습니다. 우리는 Graph Convolutional Network (GCN)을 활용한 Drug response 예측을 위한 분석 프레임워크인 DrugGCN을 제안했습니다. DrugGCN은 먼저 단백질-단백질 상호작용 (PPI) 네트워크와 유전자 발현 데이터를 융합하여 약물과 관련된 유전자의 특징을 선택하여 유전자 그래프를 생성하며, GCN 모델은 로컬 필터링을 통해 약물 반응에 기여하는 유전자의 하위 네트워크와 같은 지역적 특징을 감지합니다. 우리는 DrugGCN의 효과를 생물학적 데이터를 통해 입증하였으며, 경쟁하는 다른 방법들보다 높은 예측 정확도를 보였습니다.

Comment

약물 반응성에 대한 GCN 모델의 쓰임새가 궁금했는데, 해당 논문에서는 약물반응에 기여하는 유전자의 하위 네트워크와 같은 local feature를 detection하는데 사용된다. 해당 방법론의 성능을 평가하기 위한 metric으로 총 네가지를 사용한다. RMSE, Pearson & Spearman correlation, 그리고 Normalized Discounted Cumulative Gain (NDCG). 이 네가지 모두 observed drug response와 predicted drug response의 차이에 기반한 metric이며, NDCG는 ranking quality에 대한 측정으로, 여기서 처음 마주친 metric 이다.

 

Original paper

https://www.mdpi.com/2227-7390/9/7/772

Graph Convolutional Network for Drug Response Prediction Using Gene Expression Data