[論文レビュー] A low-rank based estimation-testing procedure for matrix-covariate regression

Hung Hung, Zhi-Yu Jou|arXiv (Cornell University)|Jul 11, 2016

Gene expression and cancer classification参考文献 16被引用数 5

ひとこと要約

本稿では、行列予測子の固有の低ランク構造を活用することで、同時に効果サイズの推定と有意性の検定を実行する低ランク行列共変量回帰手法を提案する。従来の高次元的手法に比べ、推定効率と検出力が著しく向上する。本手法は識別可能性制約が不要であり、同時に推論を可能にし、実際のバイオメディカルデータにおけるスパースまたは低ランク効果を同定することができる。

ABSTRACT

Matrix-covariate is now frequently encountered in many biomedical researches. It is common to fit conventional statistical models by vectorizing matrix-covariate. This strategy, however, results in a large number of parameters, while the available sample size is relatively too small to have reliable analysis results. To overcome the problem of high-dimensionality in hypothesis testing, variance component test has been proposed with promise detection power, but is not straightforward to provide estimates of effect size. In this work, we overcome the problem of high-dimensionality by utilizing the inherent structure of the matrix-covariate. The advantage is that estimation and hypothesis testing can be conducted simultaneously as in the conventional case, while the estimation efficiency and detection power can be largely improved, due to a parsimonious parameterization for the coefficients of matrix-covariate. Our method is applied to test the significance of gene-gene interactions in the PSQI data, and is applied to test if electroencephalography is associated with the alcoholic status in the EEG data, wherein sparse effects and low-rank effects of matrix-covariates are identified, respectively.

研究の動機と目的

• パrameter数（pq）がサンプルサイズを著しく上回る高次元の行列共変量回帰における推定と検定問題に対処すること。
• 高次元性のための不安定さと低パワーを抱える従来のベクトル化手法の限界を克服すること。
• 行列共変量と応答変数の全体的な関連性の検定と、効果サイズの推定を同時に可能にする統一された推論手順を開発すること。
• 係数行列の低ランクパラメータ化における識別可能性制約を必要としない手法を提供すること。
• 本手法の性能を実データで検証し、PSQIおよびEEGデータセットにおいて生物学的に関連するスパースおよび低ランク効果を同定すること。

提案手法

• 係数行列 $\boldsymbol{\eta}$ を低ランク積 $\boldsymbol{A}\boldsymbol{B}^T$ として表現することで、より簡素なパラメータ化を達成する。
• ベクトル化演算子を用いた回帰モデルを定式化する：$g\{E(Y|Z,\boldsymbol{M})\} = \gamma + \xi^T Z + \text{vec}(\boldsymbol{\eta})^T \text{vec}(\boldsymbol{M})$、ここで $\boldsymbol{\eta} = \boldsymbol{A}\boldsymbol{B}^T$ である。
• 低ランク構造に基づいて、帰無仮説 $H_0: \boldsymbol{\eta} = \mathbf{0}$ の検定のための2つの検定統計量 $T$ および $T^*$ を提案し、正則性条件の下で漸近的帰無分布を導出する。
• 有限標本における頑健性を確保するため、パラメトリックブートストラップおよびパーミュテーション検定を用いて検定統計量のp値を計算する。
• 低ランク制約の下での最尤推定により $\boldsymbol{\eta}$ を推定し、効果サイズの直接的な解釈を可能にする。
• モデリングの前段階として、EEGデータ解析の例でも用いられるように、多次元線形主成分分析（MPCA）を用いて高次元行列共変量の次元を削減する。

実験結果

リサーチクエスチョン

• RQ1 パrameter数がサンプルサイズに対して著しく多い状況下で、低ランクパラメータ化が行列共変量回帰における検出力の向上に寄与するか？
• RQ2 従来のベクトル化回帰に比べ、本手法が効果サイズの推定においてより正確かつ効率的であるか？
• RQ3 本手法は、実世界のバイオメディカルデータにおいて、スパースまたは低ランク効果といった生物学的に意味のあるパターンを同定できるか？
• RQ4 低ランク検定の性能は、GESATなどの既存手法と比較して、第1種過誤率と検出力の観点で優れているか？
• RQ5 係数行列の低ランク分解における識別可能性制約の欠如に対しても、本手法は頑健であるか？

主な発見

• PSQIデータでは、低ランク検定統計量 $T$ と $T^*$ がそれぞれp値0.001および0.006を示し、GESATはp値0.173であった。これは、遺伝子×遺伝子相互作用の検出力が優れていることを示している。
• 解析により、3つの特定の遺伝子×遺伝子相互作用（rs1144047, rs1327836, rs2269457, rs12941497）が有意な効果を示し、PSQIデータにスパース効果構造が存在することを示唆している。
• EEGデータでは、3つの検定統計量（$T$, $T^*$, $T_{\text{gesat}}$）ともp値が10^{-3}未満であった。これは、EEG信号とアルコール使用状態との間に強い関連があることを確認している。
• EEGデータにおける推定係数行列 $\widehat{\boldsymbol{\eta}}$ は、大部分の有意な効果が第2行に集中していることを示しており、信号-応答関連性に低ランク構造が存在することを示している。
• 識別可能性制約を課さないまま、EEGデータにおいても低ランク効果を成功裏に同定した。これは、従来の手法とは対照的である。
• 結果は、真の効果が構造的である場合に、低ランクモデリングが解釈可能性と統計的パワーの両方を向上させることを確認している。