Machine learning/ja

機械学習

Patch-clamp and single-channel electrophysiology concepts are useful background for nanopore signal modeling. Source: Wikimedia Commons, CC BY-SA 4.0.

ナノポア研究における「機械学習」とは、原始的な電気信号、塩基配列の読み取りデータ、配列の比較データ、品質管理データからパターンを学習する計算手法のことです。これは非常に重要です。なぜなら、ナノポア測定は時間がかかり、ノイズが多く、文脈依存的であり、多くの場合リアルタイムで行われるからです。

なぜこれが重要なのか

ナノポアデバイスは、分子がポアを通過したりポアと相互作用したりする際のイオン電流や関連する信号の変化を測定する。同じ分子であっても、ポアの化学的性質、モーターの速度、温度、サンプルの調製方法、電子回路、および隣接する物質によって異なる信号が得られる。機械学習を用いることで、これらの変動する信号を生物学的または化学的な解釈に結びつけることができる。

主な用途は以下の通りです：

• ベースコールイング（Basecalling）とは、生の信号をDNAやRNAの配列に変換するプロセスです。
• Modified-base detection – シグナルから直接メチル化やその他のヌクレオチド修飾を検出する方法。
• 信号分割 – イベント、停止、アダプタ、ポア、および読み取り境界の検出。
• 品質管理 – 読み取りの信頼性、ポアの状態、汚染の有無、および運用性能を予測する。
• 適応型サンプリング – 分子の配列決定をリアルタイムで続行するかどうかを判断する手法。
• バリアント解析とコンセンサス分析 – 長期間にわたる観測データとモデルベースのエラープロファイルを組み合わせる手法。

代表的なタスク

タスク！！典型的な入力！！例の出力！！なぜ難しいのか
Basecalling	生の現在のシグナルまたはPOD5/FAST5シグナル	品質スコア付きのFASTQデータ	シグナルの速度は変動し、隣接する塩基が現在のレベルに影響を与える。
修正された塩基の検出	シグナルと参照情報の整列	5mC、5hmC、m6Aなどの修飾状態	修正された塩基と未修正の塩基では、状況に依存した微妙なシグナルの違いが生じることがある。
適応型サンプリング	ストリーミング信号または初期のベースコール配列	分子の受け入れ/拒否の決定	この決定はシーケンシング中に迅速に行われなければならない。
イベント検出	時系列データの現在のトレース	候補となる転移や結合イベント	ノイズ、ドリフト、ポアの変動、および短時間のイベントによって境界が不明瞭になる可能性がある。
監視の実施	シーケンスの要約、読み取り長さ、細孔状態、品質指標	アラートと品質の要約	指標は時間の経過とともに変化し、プロトコルによっても異なる。

注目すべき例

• DeepNanoは、オープンソースのMinIONシーケンサーのベースキャリング処理に再帰型ニューラルネットワークを使用し、学習済みのモデルがナノポアによる読み取りエラーをどのように低減できるかを実証しました。
• MinCallは、CTC（Connectionist Time Classification）スタイルのシーケンスモデリングを用いた、エンドツーエンドの畳み込みニューラルネットワークによるベースコーリング（basecalling）を探求しています。
• Bonito、Guppy、Dorado は、オックスフォード・ナノポア（Oxford Nanopore）のワークフローで使用されている現代的なニューラルネットワークベースのアプローチを表しています。
• HeronやOspreyのような「ダイナミックプールリングベースコーラー（Dynamic-pooling basecallers）」は、ニューラルネットワーク内のプールリング動作を適応させることで、変動する分子の移動速度を計算している。
• RUBICONのような「ハードウェアに対応したベースコーリング（Hardware-aware basecalling）」プロジェクトでは、ニューラルベースコーラーをより高速で、かつメモリ使用量の少ないものにする方法が研究されている。
• ナノポリッシュスタイルのシグナルモデルや、より新しいニューラルアプローチなどの「改良型ツール」は、ビスルフィート処理を行わずに直接メチル化や修飾の分析をサポートしています。
• 適応型サンプリングツールは、迅速な信号解析や配列解析を用いて、実験中に目的の分子を濃縮したり、不要な分子を除去したりする。

良い慣行（Good Practice）

機械学習の結果は、実験的な文脈を考慮して解釈する必要がある。ある種のポア化学、キット、生物、塩基修飾、またはソフトウェアバージョンで訓練されたモデルは、別の環境にそのまま適用できるとは限らない。報告書では、可能な限りモデルのバージョン、使用された化学物質、訓練または校正データ、参照ゲノム、閾値、および検証方法を明記すべきである。

よくある落とし穴

• モデルの出力を正解データとして扱い、それに対する正規な検証を行わない。
• 異なるポア化学組成やベースコーラー（basecaller）バージョン間でツールを比較する際には、対照群（コントロール群）を設けないと正確な結果を得ることはできない。
• 修正ベース分析において、較正処理、クラスの不均衡、および偽陽性率を無視している。
• 読解レベルでの正確性のみを報告し、コンセンサスの正確性や下流タスクの正確性は無視する。
• ソフトウェアのバージョンやパラメータを記録せずに、独自のモデル名を使用する。

選定された論文とリソース

• Boza V, Brejova B, Vinar T. DeepNano：MinIONナノポアリーシングにおけるベース配列解析のための深層再帰ニューラルネットワーク. 2016.
• Wick RR, Judd LM, Holt KE. オックスフォード・ナノポアシーケンシング用のニューラルネットワークベースのツールの性能. Genome Biology. 2019.
• Miculinic N, Ratkovic M, Sikic M. MinCall: MinIONエンドツーエンド畳み込み型ディープラーニングベースコーラー. 2019.
• Kovaka S, Fan Y, Ni B, Timp W, Schatz MC. ターゲットを絞ったナノポアシーケンシング：未処理の電気信号をリアルタイムでマッピングすることによる手法（UNCALLED）. Nature Biotechnology. 2021.
• Boza V, Peresini P, Brejova B, Vinar T. 「ダイナミックプールリングによりナノポアベースのコール精度が向上する」. 2021.
• Singh Gら. RUBICON：効率的なディープラーニングベースのゲノムベースコーラーを設計するためのフレームワーク. 2022.
• 王Zら。ナノポアシーケンシングのベースコールモデルを、インクリメンタルラーニングとアノマリー検出を通じて修正検出に適用する。『Nature Communications』。2024年。
• オックスフォード・ナノポア・テクノロジーズ。Dorado basecallerおよび関連ツール。

関連ページ

• ナノポアシーケンシング
• バイオインフォマティクス
• データ分析
• イベント検出
• ノイズとフィルタリング