[論文レビュー] Bayesian matching of unlabelled point sets using Procrustes and configuration models

Kim Kenobi, Ian L. Dryden|arXiv (Cornell University)|Sep 16, 2010

Morphological variations and asymmetry参考文献 3被引用数 3

ひとこと要約

本稿では、焼入れ段階における戦略的な大規模なジャンプを導入することで収束を向上させる、非ラベル付き点集合の一致に向けた改善されたベイジアンMCMC手法を提案する。プロクラステスと構成モデルの両方を、シミュレートされたデータおよび実際のタンパク質の結合部位データに対して比較した結果、分散に依存した性能の違いが明らかになった。低分散の場合は構成モデルが優れているが、高分散の場合はプロクラステスモデルがより優れた性能を示し、ラプラス近似下では両者に類似した結果が得られた。

ABSTRACT

The problem of matching unlabelled point sets using Bayesian inference is considered. Two recently proposed models for the likelihood are compared, based on the Procrustes size-and-shape and the full configuration. Bayesian inference is carried out for matching point sets using Markov chain Monte Carlo simulation. An improvement to the existing Procrustes algorithm is proposed which improves convergence rates, using occasional large jumps in the burn-in period. The Procrustes and configuration methods are compared in a simulation study and using real data, where it is of interest to estimate the strengths of matches between protein binding sites. The performance of both methods is generally quite similar, and a connection between the two models is made using a Laplace approximation.

研究の動機と目的

• 焼入れ段階における大規模なジャンプの導入により、非ラベル付き点集合の一致に向けたベイジアンMCMCアルゴリズムの収束を改善すること。
• タンパク質の結合部位の一致において、プロクラステスベースと構成ベースのベイジアンモデルの性能を比較すること。
• データのノイズ（標準偏差）の変動に応じた両モデルのロバストネスと正確性を評価すること。
• ラプラス近似を用いて両モデルの関係を調査し、理論的接続を確立すること。
• 特にタンパク質の活性部位において、構造的類似性を特定する実用的なフレームワークを提供すること。

提案手法

• 後部分布（一致行列とねじれ・平行移動のノイズパラメータ）からのサンプリングにマルコフ連鎖モンテカルロ（MCMC）シミュレーションを用いる。
• 部分的プロクラステス登録を適用し、一致する点対を整列させ、構成間のサイズ・シェイプ距離を定義する。
• 収束を向上させるために、焼入れ段階におけるMCMCチェインでまれに大規模かつ不可逆的なジャンプを導入する。
• 点集合Xとμ間の1対1または1対多の対応を表すために一致行列Λを用い、未一致点用のダミー列を含む。
• 1つのアプローチではプロクラステスのサイズ・シェイプに基づく尤度モデルを、もう1つのアプローチでは完全な構成尤度モデルを用い、両者をベイジアン階層的枠組み内で統合する。
• ラプラス近似を用いてプロクラステスモデルと構成モデルを結びつけ、特定の条件下で両者の漸近的同等性を示す。

実験結果

リサーチクエスチョン

• RQ1 焼入れ段階における大規模なジャンプの導入が、MCMCベースの点集合一致における収束にどのように寄与するか？
• RQ2 低分散条件下では、どちらのモデル—プロクラステスか構成モデル—がより正確な一致確率推定を行うか？
• RQ3 データのノイズ（標準偏差）が増加するにつれて、モデルの性能はどのように変化するか？
• RQ4 プロクラステスモデルと構成モデルの間にはどのような関係があり、近似手法によって結びつけられるか？
• RQ5 MCMC手法は、実際のタンパク質結合部位データにおいて真の一致を信頼性高く同定できるか。また、既存のベンチマークと比較してどうか？

主な発見

• 焼入れ段階における大規模なジャンプを導入した改善されたMCMCアルゴリズムは、収束速度を著しく向上させ、局所最適解に陥るリスクを低減する。
• 低分散（標準偏差 ≤ d_min/5）の条件下では、構成モデルが未一致点を含め、一致確率をより信頼性高く推定でき、プロクラステスモデルを上回る。
• 高分散（標準偏差 = d_min/2）の条件下では、プロクラステスモデルが正しく一致した点の一致確率推定において、構成モデルよりもより正確で高い推定値を示す。
• d_min/5とd_min/2の間の臨界分散閾値が存在し、その値に応じて2つのモデルの性能優位性が入れ替わる。これは一致タイプ（一致済み vs. 未一致）に依存する。
• ラプラス近似により、プロクラステスモデルと構成モデルの間の強い理論的接続が確立され、両者の実用的性能が多くの場合に類似していることを説明できる。
• 両モデルとも、2分子間のアラインメントに有効であり、複数分子への拡張も可能であるが、大規模データセットでは計算コストが高いため、高速スクリーニング手法と組み合わせて使用することを提案する。