Embed Size (px)
Citation preview
ミスセンスSNVから病因性を予測するツール「iMSVM」の開発Development of individual-Meta Support Vector Machine (iMSVM) predicting disease susceptibility depended on missense single nucleotide variants (SNVs) 〇武田淳一（[email protected]）1、七枝健太朗1 、山岸諒大1 、大野欽司1 Jun-ichi Takeda ([email protected])1, Kentaro Nanatsue1, Ryosuke Yamagishi1, Kinji Ohno1
1名古屋大学大学院医学系研究科神経遺伝情報学 1Division of Neurogenetics, Center for Neurological Diseases and Cancer, Nagoya University Graduate School of Medicine
図１ 解析フロー 図２ SNVカバー率の降順に並べた、 dbNSFPに含まれる23個のツール
図４ SNVカバー率の低いツール順に 引いた時のAUCとSNVカバー率
図５ iMSVMと8つの既存ツールの病因性予測 の評価比較（R to C）
MAF > 1%
スコアを非同義のアミノ酸置換に分類（150パターン）
ANNOVA+ dbNSFP
（23ツール）
HGMD （疾患SNV）
dbSNP （コモンSNV）
A to C A to D …
80
85
90
95
100
CA
DD
_raw
CA
DD
_ph
red
DA
NN
fath
mm
-MK
L_co
din
g
ph
ylo
P2
0w
ay_m
amm
alia
n
ph
astC
on
s20
way
_mam
mal
ian
ph
ylo
P7
way
_ver
teb
rate
ph
astC
on
s7w
ay_v
erte
bra
te
GER
P++
_RS
VES
T3
SiP
hy_
29
way
_lo
gOd
ds
Met
aSV
M
Met
aLR
Mu
tati
on
Tast
er
Po
lyp
hen
2_H
DIV
Po
lyp
hen
2_H
VA
R
inte
grat
ed_f
itC
on
s
inte
grat
ed_c
on
fid
ence
_val
ue
PR
OV
EAN
Mu
tati
on
Ass
esso
r
SIFT
FATH
MM
LRT
各アミノ酸置換毎に、LIBSVMを用いて疾患とコモンを判別
モデル
ANNOVA+ dbNSFP
（23ツール）
調べたい ミスセンスSNV
モデル作成フロー 病因性予測フロー
作成したモデルを基に、LIBSVMを用いて病因性を予測
スコアに対して、該当アミノ酸置換のモデルを使用
SN
Vカバー率（%）
dbNSFPに含まれる23ツール
ANNOVARのrefGeneアノテーションの nonsynonymous SNVが対象
アミノ酸 一文字表記 化学的性質 構造
疎水性度 電荷 側鎖官能基
アルギニン R -4.5 塩基性 アミノ基システイン C 2.5 中性 硫黄 グルタミン酸 E -3.5 酸性 カルボキシル基アスパラギン酸 D -3.5 酸性 カルボキシル基
アルギニン（R） システィン（C）
アスパラギン酸（D）グルタミン酸（E）
図３ モデルの評価に使用したミスセンスSNVのアミノ酸性質
引いた数 ツール数 R to C E to D
SNVカバー率（%） AUC（%） SNVカバー率（%） AUC（%） 0 23 78.50 92.64 76.38 96.05 1 22 86.01 92.64 86.01 96.00 2 21 90.08 92.66 90.49 96.07 3 20 90.39 92.66 90.76 96.04 4 19 91.80 92.67 92.09 95.95 5 18 93.59 92.64 93.93 96.04 6 17 93.59 92.64 93.93 95.93 7 16 96.30 92.67 96.47 96.11 8 15 96.30 92.63 96.47 96.02 9 14 97.19 92.64 97.24 95.76
10 13 97.62 92.64 97.67 95.69 11 12 97.62 92.22 97.67 94.91 12 11 98.23 90.66 98.26 93.74 13 10 98.62 90.66 98.72 93.78 14 9 99.03 75.99 98.85 80.46 15 8 99.20 75.95 99.08 80.43 16 7 99.20 75.80 99.08 80.46 17 6 99.24 75.82 99.13 80.65 18 5 99.24 75.86 99.13 80.85 19 4 99.24 75.86 99.15 80.82 20 3 99.25 74.66 99.15 78.88 21 2 99.25 74.69 99.15 78.85 22 1 99.25 74.71 99.15 78.91
70
75
80
85
90
95
100
75 80 85 90 95 100
R to C
E to D
AU
C（%）
SNVカバー率（%）
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
感度
1-特異度
SIFT
polyphen2_HDIV
polyphen2_HVAR
LRT
FATHMN
VEST3
MetaSVM
MetaLR
iMSVM 10model
iMSVM 23model
Youden’s index = 感度 – (1 – 特異度)
iMSVMの概要を図１に示す。モデル作成にはHGMD（疾患SNV）とdbSNP（コモンSNV）を入力データとし、病因性予測には調べたいミスセンスSNVを入力データとする。 モデル作成・病因性予測共にANNOVARでdbNSFPのアノテーションを行い、dbNSFPに含まれる23の病因性予測ツールのスコアを特徴量として、オープンソースの機械学習ライブラリであるLIBSVMを用いて疾患とコモンの判別、および病因性予測を行う。疾患とコモンの判別モデルは、非同義のアミノ酸置換毎に作成した（150パターン）。LIBSVM Toolsのプログラムを用い、アルギニンからシステイン（R to C）のアミノ酸置換を引き起こすSNVのAUCを計算したところ、92.6%と高かったが、SNVカバー率は78.5%であった。AUCの値を維持し、SNVカバー率も高いモデルを追求するため、まずは23個のツールをSNVカバー率の高い順に並べ（図２）、SNVカバー率の低いツールから１つずつ減らしたモデルを作成した。作成したモデルの評価には、極端なアミノ酸性質の変化を引き起こすミスセンスSNV（アルギニンからシステイン；R to C）と、アミノ酸性質にほとんど変化のないミスセンスSNV（グルタミン酸からアスパラギン酸；E to D）を用いた（図３）。
要 旨
一塩基置換（SNV）によるアミノ酸のミスセンス変異から病因性を予測するツールはいくつか存在するが（VEST3やFATHMMなど）、これらは評価指標が異なるため結果 に統一性がない。そこで我々は、機械学習の1つであるサポートベクターマシン（SVM）を用いて既存ツールの評価指標を統合し、アミノ酸置換ごとに疾患か正常（コモン） かを網羅的に判別するツール「iMSVM」（正式名：individual-Meta Support Vector Machine ）を開発した。疾患を引き起こすミスセンスSNVはHuman Gene Mutation Database（HGMD）から抽出し、コモンSNVはdbSNPからマイナーアレル頻度（MAF）が1%以上のものを抽出した。これら2種類のSNVグループに対してANNOVARを用いて dbNSFPに含まれる23の病因性予測ツールのスコアを算出し、これらを特徴量としてSVMによる判別を行った。150種類のアミノ酸置換モデルの1つ（アルギニンからシス テイン；R to C）から得られた感度と特異度によるROC曲線下面積（AUC）が既存ツールより上回っていたため、iMSVMは精度の高い病因性予測を行うことができた。
方 法
結 果
R to CおよびE to D共に、ツール数を9個まで減らしたところでAUCが大きく減少した。ツール数が10個のときには、AUCを大きく下げることなく高いSNVカバー率を維持 した（図４）。従って、23個のツールのいずれかが欠損する場合、10個のツールによるモデルを適用することとした。また、この10個のツールのいずれかに欠損がある場合 は、計算を行わないようにした。dbNSFP v3.0でアップデートされた4つのツール（SHIFT, 2 x Polyphen, LRT）、および最新の4つのツール（FATHMM, MetaLR, MetaSVM, VEST3）についてもR to CでAUCを計算し、iMSVMのROC曲線を比較した。iMSVMのAUCとYouden’s indexは、23個および10個のモデル共に他ツールより大きかったため、 iMSVMが最も優れていることを示した（図５）。iMSVMはWebサービスで動作し、その実行例（ミスセンスSNVの病因性予測例）を（図６）に示す。
SIFT polyphen2
_HDIV
polyphen2
_HVAR LRT FATHMN VEST3 MetaSVM MetaLR iMSVM 23 iMSVM 10
1 - 特異度 0.372 0.297 0.307 0.344 0.268 0.175 0.074 0.146 0.118 0.134
感度 0.72 0.704 0.73 0.728 0.806 0.865 0.681 0.794 0.86 0.84
Youden’s index 0.348 0.407 0.423 0.384 0.538 0.69 0.607 0.648 0.742 0.706
AUC 0.728 0.734 0.78 0.713 0.83 0.905 0.883 0.895 0.925 0.907
まとめ
・サポートベクターマシン（SVM）により、ミスセンスSNVの病因性を予測するためのモデルを、150パターンある全アミノ酸置換毎に作成した。入力：dbNSFPに含まれる23個もしくは10個の既存病因性予測ツールのスコア 出力：「HGMDに含まれる疾患SNV」と「dbSNPに含まれるコモンSNV（MAF>0.01）」の判別
・上記モデルを用い、同じくSVMを使って調べたいミスセンスSNVの病因性予測を行うWebサービスツール「iMSVM」を作成した。・iMSVMのR to CのAUCは92.6%（23個モデル）、90.7%（10個モデル）であり、最新を含む既存病因性予測ツールよりも優れていた。
図６ iMSVMによるミスセンスSNVの病因性予測結果例
10個
23個
作成 予測
ミスセンスSNVのゲノム位置（例として染色体番号11番の2466671*）を入力
アミノ酸変異E>K：23個モデルで病因性と予測
アミノ酸変異E>Q：23個モデルで病因性と予測
*モデル作成に使用したHGMDにはなく、ClinVarでPathogenicだったSNV
Licensed under a Creative Commons表示4.0国際ライセンス (c)2017 武田淳一（名古屋大学大学院医学系研究科）
