[論文レビュー] Correcting Nuisance Variation using Wasserstein Distance

Gil Tabak, Minjie Fan+3 more|arXiv (Cornell University)|Nov 2, 2017

Cell Image Analysis Techniques参考文献 27被引用数 3

ひとこと要約

本論文では、実験的ドメイン間の分布埋め込み間の Wasserstein 距離を最小化することで、画像埋め込みにおける不要な変動を是正する新しいフレームワークを提案する。生物学的信号を保持しつつバッチ効果を低減する。この手法は、ガウス分布を仮定しない条件下でも、k-NN MOA 割り当てとシラッキュールスコアの向上により、下流の表型プロファイリングを改善する。

ABSTRACT

Profiling cellular phenotypes from microscopic imaging can provide meaningful biological information resulting from various factors affecting the cells. One motivating application is drug development: morphological cell features can be captured from images, from which similarities between different drug compounds applied at different doses can be quantified. The general approach is to find a function mapping the images to an embedding space of manageable dimensionality whose geometry captures relevant features of the input images. An important known issue for such methods is separating relevant biological signal from nuisance variation. For example, the embedding vectors tend to be more correlated for cells that were cultured and imaged during the same week than for those from different weeks, despite having identical drug compounds applied in both cases. In this case, the particular batch in which a set of experiments were conducted constitutes the domain of the data; an ideal set of image embeddings should contain only the relevant biological information (e.g. drug effects). We develop a general framework for adjusting the image embeddings in order to `forget' domain-specific information while preserving relevant biological information. To achieve this, we minimize a loss function based on distances between marginal distributions (such as the Wasserstein distance) of embeddings across domains for each replicated treatment. For the dataset we present results with, the only replicated treatment happens to be the negative control treatment, for which we do not expect any treatment-induced cell morphology changes. We find that for our transformed embeddings (i) the underlying geometric structure is not only preserved but the embeddings also carry improved biological signal; and (ii) less domain-specific information is present.

研究の動機と目的

• 培養条件や画像取得セッションの違いなど、実験的バッチ効果によって引き起こされる画像埋め込みにおける不要な変動を是正すること。
• 関連する生物学的信号を保持しつつ、ドメイン固有のアーティファクトを除去するドメイン不変埋め込み変換を開発すること。
• 埋め込みが実験的ばらつきではなく生物学的処理効果を反映するようにすることで、薬剤化合物のより正確な表型プロファイリングを可能にすること。
• ガウス分布を仮定しない、既存のバッチ補正手法の柔軟で非パラメトリックな代替手法を提供すること。
• 利用可能な場合、ネガティブコントロールを超えて複数の治療反復を活用することで、バッチ補正を拡張すること。

提案手法

• 本手法は、異なる実験的ドメイン間の埋め込みの周辺分布を整合させるドメイン固有の変換 $ A_d $ を学習するためのミニマックス最適化フレームワークを用いる。
• 損失関数は、異なるドメインにおける同じ治療の埋め込み分布間の Wasserstein 距離に基づいており、ドメイン不変性を促進する。
• Wasserstein 距離はニューラルネットワークを用いて近似され、埋め込みの一般な非ガウス分布に対応可能となる。
• フレームワークは、ドメイン固有の分布差を最小化するとともに、埋め込み空間の幾何構造を保持するように訓練される。
• 変換はネガティブコントロールから学習されたものであるが、複数の治療反復に拡張可能であると暗黙的に仮定している。
• 埋め込みの崩壊を防ぐために正則化または早期停止が用いられ、生物学的に関連する信号の有意義な分離が保証される。

実験結果

リサーチクエスチョン

• RQ1 Wasserstein 距離は、生物学的信号を保持しつつ、実験的ドメイン間の画像埋め込みを効果的に整合させることができるか？
• RQ2 提案手法は、薬剤作用機構（MOA）予測などの表型プロファイリングタスクの正確性を向上させるか？
• RQ3 埋め込み空間の幾何構造を保持し、ドメイン固有のばらつきを低減する観点から、既存のバッチ補正技術と比較してどうか？
• RQ4 本フレームワークは、ネガティブコントロールを超えて、複数の治療反復を活用できるか？
• RQ5 より複雑な変換関数や代替損失形式を用いることで、性能にどのような影響を与えるか？

主な発見

• 変換後の埋め込みは、元の埋め込み空間の幾何構造を保持しており、安定した k-NN MOA 割り当て指標によって裏付けられている。
• 補正後、シラッキュールスコアが向上し、生物学的に類似した治療のクラスタリングが改善された。
• 本手法はドメイン固有のばらつきを効果的に低減し、同じ治療の埋め込みが異なるバッチ間でより類似するようになった。
• 本手法はガウス分布の形を仮定しないため、複雑な現実の生物学的データに適している。
• ベースラインの正規化および既存のバッチ補正手法と比較して、生物学的信号の保持が優れていた。
• 現在の実装では整合にネガティブコントロールに依存しているが、フレームワークは複数の治療反復に拡張可能であり、将来的な応用で性能向上が見込める。