[論文レビュー] Deep Autoencoders for Dimensionality Reduction of High-Content Screening Data

Lee Zamparo, Zhaolei Zhang|arXiv (Cornell University)|Jan 7, 2015

Cell Image Analysis TechniquesBiochemistry, Genetics and Molecular Biology参考文献 14被引用数 16

ひとこと要約

本稿では、高スループットスクリーニングの高次元細胞画像データにおける次元削減のため、スタックドノイズ除去オートエンコーダー（SdA）を提案する。深層ニューラルネットワークを活用して、数百万枚の高次元細胞画像に内在する非線形関係を捉える。SdAは、10〜50次元に削減した後、ガウス・ミックスチャネル・モデル（GMM）クラスタリングによる同定で、より高い均一性を示し、PCA、LLE、カーネルPCA、Isomapを上回った。

ABSTRACT

High-content screening uses large collections of unlabeled cell image data to reason about genetics or cell biology. Two important tasks are to identify those cells which bear interesting phenotypes, and to identify sub-populations enriched for these phenotypes. This exploratory data analysis usually involves dimensionality reduction followed by clustering, in the hope that clusters represent a phenotype. We propose the use of stacked de-noising auto-encoders to perform dimensionality reduction for high-content screening. We demonstrate the superior performance of our approach over PCA, Local Linear Embedding, Kernel PCA and Isomap.

研究の動機と目的

• 高スループットスクリーニングにおける数百万の高次元細胞画像特徴量のクラスタリングの課題に対処すること。
• 生物学的に関連する構造を保持する非線形次元削減を可能にすることで、表現型の発見を改善すること。
• ラベル付き例が限られている大規模なラベルなしスクリーニングデータに適したスケーラブルで教師なしの手法を開発すること。
• 深層オートエンコーダーが、従来の線形および多様体学習法よりも、後続のクラスタリング性能で優れているかどうかを評価すること。
• SdAが、生物学的に意味のある表現型サブポピュレーションに分類可能な埋め込みを生成することを実証すること。

提案手法

• SdAは、1セルあたり916の特徴量を持つスケーリングおよび正規化された高スループットスクリーニングデータを用いて、ミニバッチ確率的勾配降下法で学習した。
• 各ノイズ除去オートエンコーダー層は、入力特徴量の一部をランダムに0にすることでノイズを付加し、非線形マッピングを通じて元の入力を再構築するように学習する。
• エンコーダーは高次元入力を低次元の潜在空間に写像し、デコーダーは潜在表現から入力を再構築する。この際、再構築損失を最小化する。
• モデルのアーキテクチャおよびハイパーパramータ（学習率、ノイズ率、モーメンタム、重み減衰）は、Theanoを用いたGPU加速クラスタ上でグリッドサーチにより最適化された。
• 最終的なSdAモデルは、916次元のデータを10〜50次元に削減し、交差検証による初期化を施したガウス・ミックスチャネル・モデル（GMM）クラスタリングを実行した。
• 性能評価は、5回の独立実験における平均ホモジニティスコアを用い、標準偏差を併記した。

実験結果

リサーチクエスチョン

• RQ1 スタックドノイズ除去オートエンコーダーは、高スループットスクリーニングデータにおいて、PCA や Isomap といった古典的手法よりも優れた次元削減を達成できるか？
• RQ2 SdAの非線形モデリング能力は、低次元空間における生物学的に異なる表現型サブポピュレーションの分離を向上させるか？
• RQ3 SdAは、表現型分類に重要な内外クラスタ距離を、カーネルPCA や LLE よりもよく保持しているか？
• RQ4 SdAは、数百万のデータポイントに対して効果的にスケーリング可能であり、教師なしクラスタリングタスクで高い性能を維持できるか？
• RQ5 SdAが学習した低次元表現は、線形または多様体ベースの手法に比べ、表現型的に一貫したクラスタの同定に適しているか？

主な発見

• SdAは、10〜50次元に削減されたすべての次元で、PCA、LLE、Isomap、カーネルPCAを一貫して上回った。
• 3層および4層のSdAモデルが最も高い平均ホモジニティを達成し、最良の性能を示したSdAモデルは、カーネルPCAを著しく上回った。
• SdAは、カーネルPCAと比較して、平均的なクラス間距離が広がっており、異なる表現型群の分離が良好であることを示している。
• SdAは、必ずしも最もタイトなクラス内クラスタリングを達成しているとは限らないが、クラス間分離を最大化しており、クラスタリングの信頼性が向上している。
• SdAは、特に基本学習率を最適化した場合、最小限のハイパーパramータチューニングで優れた性能を達成した。
• ミニバッチ確率的勾配降下法の使用により、大規模データに対する効率的な学習が可能となり、数百万の細胞へのスケーラビリティが確保された。