TF-DWGNet: A Directed Weighted Graph Neural Network with Tensor Fusion for Multi-Omics Cancer Subtype Classification

技術要約：TF-DWGNet：マルチオミクスがんサブタイプ分類のためのテンソル融合を用いた有向重み付きグラフニューラルネットワーク

問題提起
正確ながんサブタイプ分類は精密医療の中核であるが、腫瘍の生物学的異質性とマルチオミクスデータの複雑さにより、依然として困難な課題である。マルチオミクスデータセット（例：DNAメチル化、mRNA、およびmiRNA発現）は本質的に高次元かつ不均一であり、オミクス種内および種間の複雑な依存関係を示す。グラフニューラルネットワーク（GNN）は関係構造をモデル化するための原理的な枠組みを提供するが、既存のアプローチは多くの場合、定義済みの無向または無重み付きの類似性ネットワークに依存している。これらの手法は、タスク固有の方向性、相互作用の強さ、および高次相互作用（ペアワイズを超えたもの）を捉えることに失敗することが多い。さらに、特徴量レベルおよびモダリティレベルの両方における解釈性は、モデルの真の意思決定プロセスを反映していない可能性のある、計算負荷の高い事後解析に依存することが多い。

手法：TF-DWGNetフレームワーク
著者らは、4つの協調的なモジュールを通じてマルチオミクスデータを統合するために設計された、エンドツーエンドの完全教師ありフレームワークであるTF-DWGNetを提案している。

1. 教師あり有向重み付きグラフ構築：
   相関ベースの類似性ネットワークの代わりに、本フレームワークは各オミクスモダリティに対してタスク固有のグラフを構築するために、XGBoostのツリー分割構造を活用する。

• メカニズム： 各モダリティに対して、$M$個のブースティングツリーのアンサンブルを学習させる。各ツリーは、特徴量 $a$ が特徴量 $b$ より先にルートからリーフへのパスに沿って出現する場合、エッジ $a \to b$ を持つ有向グラフとして扱われる。
• 集約： すべてのツリーにおける特徴量の共起を、単一の有向重み付きグラフ（$G^*$）として集約する。エッジの重みは、ツリー間における依存関係の頻度を表す。
• 結果： このプロセスは、データ駆動型の特徴量削減を実行し、特徴量の重要性と方向的な条件付き依存関係（ある特徴量が患者をサブグループに分割し、その後の特徴量が識別力を提供する関係）をエンコードする。

2. グラフニューラルネットワーク（GNN）エンコーディング：
   各モダリティの削減された特徴量行列と、それに対応する有向重み付きグラフは、修正されたグラフ埋め込み型ディープフィードフォワードネットワーク（GEDFN）を用いて処理される。

• アーキテクチャ： 隣接構造は、グラフのトポロジーに基づいて入力ノードと隠れノード間の接続を制限することにより、最初の隠れ層に直接埋め込まれる。
• 正規化： 入力は、結合度の高いノードが表現を支配することを防ぐために、自己ループを持つ正規化された隣接行列（$\tilde{D}^{-1/2}\tilde{A}\tilde{D}^{-1/2}$）を用いて処理される。
• 出力： このモジュールは、各オミクスタイプに対する潜在的な単一モダリティ埋め込み（$Z_1, Z_2, Z_3$）を学習する。

3. テンソル融合と低ランク分解：
   （単一、二項、および三項の）高次相互作用を、フルテンソル展開の計算上の困難さを回避しながら捉えるために、フレームワークはテンソル融合ネットワーク（TFN）と正準多項分解（CP分解）を採用している。

• 拡張： 3つ未満のモダリティを含む相互作用項を容易にするため、潜在表現は定数特徴量（1）で拡張される。
• 融合： 拡張された埋め込みの外部積を通じて、3次テンソルが構築される。
• 分解： テンソルは、低ランクCP分解（$T \approx \sum \lambda_r p_{1,r} \otimes p_{2,r} \otimes p_{3,r}$）を用いて近似される。これにより、全オミクス層にわたる相乗的なメカニズムを保持しつつ、計算複雑性をランク $R$ に対して指数関数的から線形へと減少させる。

4. 残差分類ネットワーク：
   コンパクトに融合された低ランク埋め込みは、最終的な多クラスサブタイプ予測のために、残差ブロックを備えたディープ残差ネットワーク（DFN）に渡される。残差接続の使用は、最適化を安定させ、より深い特徴量変換を可能にする。

主な貢献
論文は、主に3つの貢献を特定している：

1. 教師あり有向重み付きグラフ構築： 静的な無向類似性ネットワークに代わり、タスク固有の方向性と相互作用の強さをエンコードする、生物学的に意味のある可変サイズの有向グラフを生成するためにXGBoostを使用すること。
2. 高次相互作用のためのテンソル融合： 単純な結合やペアワイズのモデリングよりも豊かな表現能力を提供し、単一、二項、および三項の相互作用を効率的に捉える低ランクテンソル融合モジュール。
3. 組み込みの解釈性： 接続の重みとグラフ構造から導出される特徴量重要度ランキングとモダリティ貢献スコアを本質的に生成し、事後解析の必要性を排除する。

実験結果
著者らは、TCGAの3つの実世界の癌データセット（BRCA：乳癌、UCEC：子宮体癌、KIPAN：パン・キッドニー・コホート）を用いてTF-DWGNetを評価した。

• 性能： TF-DWGNetは、精度（Accuracy）、F1ウェイト、およびF1マクロの各指標において、最先端のベースライン（RF、XGBoost、DFN、GCN、GEDFN、およびアブレーション・バリアントを含む）を一貫して上回った。
  • BRCAデータセットにおいて、TF-DWGNetは $0.821 \pm 0.023$ の精度を達成し、次に優れたベースラインであるGEDFN（$0.790$）を大幅に上回り、F1マクロにおいても大幅な向上（$0.785$対$0.748$）を示した。
  • 統計的有意性は、20回の独立した層化分割にわたるWelchの$t$検定によって確認され、BRCAにおける改善の多くは極めて有意であった（$p < 0.001$）。
• アブレーション研究： 主要なコンポーネントを取り除くと性能が低下した。グラフ構築にRandom Forestを用いた場合（$TF\text{-}DWGNet_{rf}$）、および方向性を除去した場合（$TF\text{-}DWGNet_{undir}$）は顕著な性能低下を招き、教師あり有向グラフ構築の重要性が検証された。
• 解釈性： モデルは生物学的に関連するバイオマーカー（例：BRCAにおけるFAM134BおよびFOXC1）を特定することに成功し、モダリティレベルの貢献スコアを提供した。BRCAでは3つのオミクスタイプすべてが同等に寄与していたが、UCECおよびKIPANでは、DNAメチル化が支配的な予測シグナルとして浮上した。

意義と主張
論文は、TF-DWGNetが、教師あり有向重み付きグラフ構築、包括的な低ランクテンソル融合、モダリティ柔軟なGNNエンコーディング、および組み込みの解釈性を、マルチオミクスがんサブタイプ分類のために統合した最初のフレームワークであると主張している。著者らは、本モデルが生物学的プロセスの階層的かつ方向的な性質を捉える、堅牢で解釈可能なソリューションを提供すると断言している。定義済みの類似性ネットワークを避け、高次相互作用を捉えることにより、TF-DWGNetは、手動の特徴量エンジニアリングや事後的な解釈手法を必要とせずに、生物学的に意味のある洞察を提供し、精密腫瘍学を支援する原理的なアプローチを提供する。