BBOmix: A Tabular Benchmark for Hyperparameter Optimization of Unsupervised Biological Representation Learning

고처리량 시퀀싱의 급속한 발전은 대규모 고차원 오믹스 데이터셋을 낳았다.

오믹스 자료용 오토인코더는 구조와 하이퍼파라미터에 민감하지만 대규모 탐색 비용이 커 기본 설정에 의존하기 쉽다. BBOmix는 실제 생물학 자료에서 비지도 표현 학습의 하이퍼파라미터 최적화를 비교하기 위한 공개 표 형식 벤치마크다. TCGA와 SCHC의 일곱 오믹스 유형, 네 오토인코더 구조를 아우르는 35개 과제와 10만 5천 번의 학습 결과를 담았다. 분석 결과 재구성 손실은 대체로 후속 성능을 잘 대변했지만 일부 DNA 과제에서는 어긋났고, 전이학습과 다중 충실도 최적화가 적은 계산으로 좋은 설정을 찾는 데 효과적이었다. 다만 비교 대상이 단순한 오토인코더와 두 데이터셋에 한정돼 더 다양한 구조와 생물학 자료로 넓힐 필요가 있다.

핵심 요약

• 심층 비지도 학습 구조, 특히 오토인코더(AE)는 이 분야에서 차원 축소와 표현 학습을 위해 점점 더 많이 사용되고 있다.
• 대규모 비지도 HPO 연구에 대한 접근을 보편화하기 위해, 이 논문은 실제 생물학 데이터에 대한 비지도 표현 학습을 위한 최초의 오픈소스 테이블형 벤치마크인 BBOmix를 소개한다.
• 이 벤치마크는 TCGA 및 SCHC 데이터셋의 네 가지 AE 구조와 일곱 가지 다중 오믹스 양식에 걸쳐 105,000건의 평가를 포함한다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.