はじめに
前回のmiLab記事「網羅的なGC-MS/LC-MSデータ処理のためのXCMSパラメータ最適化（Part1）」では、天然の¹³C同位体を活用したラベルフリー手法であるIsotopologue Parameter Optimization（IPO）に焦点を当て、ピーク検出、保持時間補正、グルーピングのパラメータ最適化について解説しました。IPOは手動チューニングに代わる体系的かつ再現性の高いアプローチを提供し、分析者依存のバイアスを低減し、ピークテーブルの一貫性を向上させます。
これを踏まえ、本稿ではXCMSパラメータ最適化におけるより高度な戦略へと議論を進めます。このような場合、パラメータチューニングは特定の化学的特徴に依存するのではなく、より一般的な探索問題として捉える必要があります。特に、メタヒューリスティック探索手法に注目します。これは、大規模かつ複雑なパラメータ空間を効率的に探索するために設計された強力なアルゴリズム群です。代表的な手法として、遺伝的アルゴリズム（GA）やベイズ最適化（BO）などがあります。IPOが同位体パターンを評価基準とするのに対し、メタヒューリスティック手法はより柔軟な枠組みを提供し、多様な目的関数を取り込むことが可能であり、解析的解が得られない問題に特に有効です。
これらのアルゴリズムをXCMSに適用することで、ノンターゲットGC-MS/LC-MSワークフローにおけるパラメータ選択の改善可能性を示すことを目的としています。データタイプや実験設計の多様性が増す中で、頑健で自動化された最適化手法の重要性はますます高まっています。
1. メタヒューリスティック探索手法とは何か
メタヒューリスティック探索手法とは、探索空間が大きく複雑な場合において、最適化問題に対して十分に良い解を見つけるための高次の戦略です。最適解を保証する厳密アルゴリズムとは異なり、現実的な計算時間内で良好な解を見つけることを目的としています。絶対的な最適解を見つけることが計算的に困難、あるいは不可能な問題に特に適しています。
メタヒューリスティックの核心は、広大な解空間を効率的に探索することにあります。そのために、探索の集約（intensification）と多様化（diversification）という2つの要素をバランスよく組み合わせます。集約は有望な領域に探索を集中させることを意味し、多様化は新たな未探索領域を試すことで局所最適解への収束を防ぎます。
評価指標
XCMS最適化においてメタヒューリスティックを適用する際の中心的なステップは、フィットネス評価です。ここでは各パラメータセットが性能に基づいてスコアリングされます。一般的に使用される指標は以下の通りです。
- Peak Picking Score（PPS）：同位体ペア検出の品質
- Retention Time Correction Score（RCS）：保持時間の整合性
- Grouping Score（GS）：特徴量グルーピングの正確性
これらの指標は通常、重み付きの評価関数として統合され、検出精度、アライメント品質、グルーピングの完全性のバランスを取ります。この統合評価により、GAやBOによる最適化はXCMSパイプライン全体の品質向上につながります。
主な特徴
メタヒューリスティックにはいくつかの特徴があります。
- 確率性：探索過程にランダム性を取り入れることで局所最適解からの脱出を可能にします。
- 近似性：必ずしも大域最適解を保証しませんが、実用的な解を見つけます。
- 柔軟性：さまざまな問題に適応可能です。
- 自然現象からの着想：蟻の探索行動、自然選択、焼きなましなどに着想を得ています。
本稿では、代表的な2つの手法である遺伝的アルゴリズム（GA）とベイズ最適化（BO）に焦点を当てます。GAは自然選択に基づく進化的手法であり、BOは確率モデルに基づく探索を行います。
2. 遺伝的アルゴリズム（GA）
遺伝的アルゴリズムは、非線形で複雑な探索空間における最適化問題に広く用いられる手法です。自然選択と遺伝の原理に着想を得ており、候補解の集団を進化させながら最適解に近づけていきます。本稿ではXCMSパラメータ最適化における基本的な適用方法を示します。より詳細な原理については遺伝的アルゴリズムの導入と応用へのヒントを参照してください。
GAはどのように動作するか
図1. XCMSパラメータ最適化におけるGAのワークフロー
GAは、XCMSのデフォルト設定、またはランダムに初期化されたパラメータセットの集団（例：ppm、peakwidth、snthresh、mzwidなどの値）から開始します。各セットはフィットネス評価に入力され、XCMSがそのパラメータで実行され、スコア（PPS、RCS、GS、またはそれらの複合指標）が生成されます。その後、アルゴリズムは収束判定を行います。スコアが一定期間改善しない場合（最近の世代で改善が見られない場合）、プロセスは停止し、最適化されたXCMS設定を出力します。そうでない場合、GAは遺伝操作を適用します。
- 選択：高性能な個体を親として選択
- 交叉：親のパラメータを組み合わせて新しい候補を生成
- 突然変異：ランダムな変化を加え多様性を維持
この評価→選択→交叉→突然変異のサイクルを繰り返すことで、最適なパラメータに収束します。
強みと限界
GAの強みは局所最適解から脱出できる能力にあり、従来のグリッド探索やIPOが苦手とする高次元パラメータ空間に適しています。一方で、計算コストがトレードオフとなり、大規模データセットでは多世代のXCMS実行が時間的負担となります。
3. Bayesian Optimization (BO)
ベイズ最適化（BO）は、GAと比較してXCMSパラメータを最適化するための根本的に異なるアプローチを取ります。進化的探索によってパラメータ空間を探索するのではなく、BOは目的関数の確率モデルを構築し、それを用いて評価すべき最も情報価値の高いパラメータセットを戦略的に選択します。ここでは、XCMSパラメータ最適化においてBOを使用する基本的なプロセスを説明しますが、より一般的な説明はベイズ最適化の基本的な概念を参照してください。MI-6のフレームワークにおいては、私たちはBOの適用に関する専門性を蓄積しており、その知見をXCMSのようなメタボロミクスワークフローへと拡張しています。
BOはどのように動作するか
BOの中核にはサロゲートモデルがあり、一般的にはガウス過程（GP）が用いられます。このサロゲートは、XCMSパラメータ（例えばpeakwidth、snthresh、ppm）と性能指標（例えばPPS、RCS、GS）との関係を推定します。このモデルは、未評価点における期待されるスコアだけでなく、その予測に伴う不確実性も提供します。この二重の情報により、BOは以下のバランスを取ることが可能になります。
- 探索（Exploration） — 不確実性の高いパラメータ領域を試すこと
- 活用（Exploitation） — 有望な領域に焦点を当てること
次にどの点をサンプリングするかの決定は、Expected Improvement（EI）やUpper Confidence Bound（UCB）といった獲得関数によって行われ、探索と活用のトレードオフを形式的に表現します。
XCMS最適化において、BOは特にパラメータ空間が広く、各評価が計算コストの高い場合に強力です。数百ものパラメータ組み合わせを網羅的に試す代わりに、BOは比較的少ない反復で最適に近い設定を特定することができます。例えば、BOは同位体ペアの品質がパラメータ空間内でどのように変化するかをモデル化することで、理想的なpeakwidthやsnthreshの値を効率的に絞り込むことができます。
図2. XCMSパラメータ最適化におけるBOのワークフロー
図2では、BOはまずいくつかのランダムに選ばれたパラメータセットから開始し、初期のサロゲートモデルを構築します。各反復において、サロゲートは獲得関数を用いて最も有望な新しいパラメータセットを予測します。その後、XCMSはそのパラメータで実行され、得られたスコアがモデルにフィードバックされてサロゲートが更新されます。時間の経過とともに、このアルゴリズムは不要な試行を最小限に抑えながら最適なパラメータセットへと収束していきます。典型的なBOの図では、サロゲート曲線が目的関数にフィットしており、獲得関数が新しいサンプリング点を大域最適解へと導いていく様子が示されます。
強みと限界
BOは、未探索の設定における性能を予測するサロゲートモデルを構築することにより、総当たり法と比較して比較的少ない評価回数で高品質な解に到達できる、非常に効率的な戦略を提供します。この探索と活用のバランスにより、計算資源が限られている場合やパラメータ評価が高コストな場合に特に有用です。しかしながら、その有効性はサロゲートモデルの精度に依存しており、XCMSのように非常に高次元または高度に不規則なパラメータ空間では性能が低下する可能性があります。さらに、BOは必要な実験回数を減らすことができる一方で、各反復ごとにサロゲートモデルの更新に計算コストがかかるため、大規模なメタボロミクスデータセットにおいては負担となる可能性があります。
評価観点 | 遺伝的アルゴリズム（GA） | ベイズ最適化（BO） |
|---|---|---|
探索メカニズム | 選択、交叉、突然変異といった遺伝的操作を用いた進化的プロセス。 | サロゲートモデル（例：ガウス過程）を用いた確率モデルベースの探索。 |
探索と活用のバランス | 突然変異や交叉により強い探索能力を持つが、収束が遅くなる場合がある。 | 獲得関数を用いて探索と活用のバランスを効率的に調整する。 |
スコアリング指標 | フィットネススコア（例：PPS、RCS、GS）を用いてパラメータ集合の集団を評価する。 | スコア関数のサロゲートモデルを構築し、各実験後に更新する。 |
収束速度 | 中程度。安定するまでに多くの世代を必要とする。 | 非常に高速。モデルに基づく探索により、必要な実験回数が少ない。 |
計算コスト | 高い。大規模な集団に対するフィットネス評価を繰り返すため。 | 低い。有望なパラメータ領域にのみ実験を集中する。 |
解釈性 | 理解しやすいが、確率的な性質により実行ごとに結果が変動する。 | 高い解釈性を持つ。サロゲートモデルによりパラメータと性能の関係を把握できる。 |
XCMSにおける最適な適用ケース | 大域的な探索が必要な、広く複雑なパラメータ空間に適している。 | 評価回数が限られる高コストな最適化問題に適しており、効率性を確保できる。 |
これらの確立されたメタヒューリスティック手法を超えて、MI-6では現在、XCMSのための深層学習ベースの最適化フレームワークを開発しています。この戦略では、大規模なデータシミュレーションを活用して多様なクロマトグラフィ条件を生成し、それらを用いてパラメータと性能の関係を学習するニューラルネットワークを訓練します。ひとたび学習が完了すれば、このモデルは新しいデータセットに対して最適なパラメータ設定を迅速に予測することが可能となり、広範な反復評価の必要性を低減します。シミュレーション、学習、予測を組み合わせることにより、このアプローチは、ノンターゲットGC-MSおよびLC-MSデータ処理に対して、より高速で適応的かつ高いスケーラビリティを備えたソリューションを提供することを目指しています。
参考文献
- C. Jirayupat, “Advanced Mass Spectrometry Analysis: Machine Learning Applications in GC-MS and LC-MS Data Processing”, miLab, MI-6, https://mi-6.co.jp/milab/article/t0025en/#h5828db6fc9
- E. H. Houssein, M. K. Saeed, and G. Hu, “Metaheuristics for Solving Global and Engineering Optimization Problems: Review, Applications, Open Issues and Challenges,” Archives of Computational Methods in Engineering, vol. 31, pp. 4485–4519, 2024. DOI: 10.1007/s11831-024-10168-6.
- H. Treutler and S. Neumann, “Prediction, Detection, and Validation of Isotope Clusters in Mass Spectrometry Data,” Metabolites, vol. 6, no. 4, p. 37, 2016. DOI: 10.3390/metabo6040037.
- S.S. Saima, “Hints for introducing and applying genetic algorithms”, miLab, MI-6, https://milab.mi-6.co.jp/article/t0049
- L. Scrucca, “GA: A Package for Genetic Algorithms in R,” Journal of Statistical Software, vol. 53, pp. 1–37, 2013. DOI: 10.18637/jss.v053.i04.
- MI-6 MLR Team, “Basic concepts of Bayesian optimization”, miLab, MI-6, https://milab.mi-6.co.jp/article/t0013
- T. Huan, H. Yu, P. Biswas, E. Rideout, and Y. Cao, “Bayesian optimization of separation gradients to maximize the performance of untargeted LC-MS,” 2023. DOI: 10.21203/rs.3.rs-3338667/v1.
