Deep Learning Framework for Predicting Alzheimer"s Disease using Multi-omics Data

알츠하이머 질병(AD, Alzhemer’s Disease)은 치매를 일으키는 원인으로 뇌의 구조적 변화로 인해 인지능력이 저하되는 퇴행성 뇌질환이다. 인간에 있어서 치명적인 신경 퇴행성 질환 임에도 불구하고, AD에 대한 유전적 위험인자와 질병 기전은 아직 명확하게 밝혀지지 않고 있다. 따라서, AD 진단 및 예측은 치매 방지를 위한 필수적인 요소가 되고 있으며, 이로 인해, AD 예측을 위한 많은 전산학적 기반 모델들이 제안되고 있다. 본 논문에서는 멀티오믹스 데이터를 기반으로 하여 딥러닝을 활용한 AD 예측 모델을 제안하고자 한다. 유전자 발현 값을 기반으로 AD 특징 벡터를 추출하였고, 그래프 임베딩(Embedding) 기반의 Node2vec 알고리즘을 활용하여 질병 특징 벡터를 계산하였다. 추출된 특징 벡터들을 결합(Concatenate)하여 딥러닝 예측 모델의 입력값으로 사용하여 AD를 효과적으로 예측하였다. 결과적으로, 다양한 실험 결과에서 제안하는 모델의 성능이 우수한 것을 정량적으로 확인할 수 있었다.