[머신러닝] CNN 을 사용한 마이크로바이옴 데이터의 분류 (T2D vs healthy)

 
오늘은 마이크로바이옴 데이터를 CNN 을 사용하여 학습, T2D 환자를 분류하는 논문이 있어서 해당 아이디어를 소개하고자 가져왔습니다.
 

Classification of Microbiome Data from Type 2 Diabetes Mellitus Individuals with Deep Learning Image Recognition

 
 
먼저 간단하게 T2D 관련해서 찾아보면 다음과 같습니다. 기본적으로 장내 미생물 군집이 비만과 깊은 관련이 있다는 것은 어느 정도 받아들여진 것 같습니다. 그렇기에 비만도와 높은 관련이 있는 T2D 또한 마이크로바이옴과 어느 정도의 관련이 있겠다고 예측해 볼 수 있습니다.

 
 
 
해당 논문을 소개하고 싶었던 이유는 CNN 을 사용하여 마이크로바이옴 데이터를 숫자 데이터의 형태로 학습시키는 것이 아닌 그림의 형태로 학습시켰다는 부분의 아이디어가 괜찮다고 생각했기 때문입니다.
 
relative abundance 를 python 사용하여 heatmap 으로 변환하였습니다. 변환시킨 그림을 resNet-50 (CNN) 에 학습시켜 T2D group, healthy group 을 분류하도록 하였습니다.
 

 
 
 
그 결과 꽤 높은 정확도와 특이도, 민감도를 보여줬습니다. (n=946) 
해당 논문에서는 기본적인 숫자 데이터로 RF, SVM 등을 수행했을 때 보다 더 좋은 성능을 보여줬다고 합니다.

 
 
# reference
 
1) Pfeil, Juliane, et al. "Classification of Microbiome Data from Type 2 Diabetes Mellitus Individuals with Deep Learning Image Recognition." Big Data and Cognitive Computing 7.1 (2023): 51.