[論文レビュー] Discovering Association with Copula Entropy

Jian Ma|arXiv (Cornell University)|Jul 29, 2019

Complex Systems and Time Series Analysis参考文献 20被引用数 11

ひとこと要約

本稿では、従来の相関係数を超えて線形および非線形の依存関係を捉える非パラメトリックな測度であるコプูลァエントロピー（CE）を用いた新しい関連性発見手法を提案する。NHANESのバイオメディカルデータに適用した結果、ピアソン相関とスピアマン相関を上回り、糖尿病、環境被ばく、プラスチックizer代謝物と関連する生物学的に意味のある関連性を明らかにした。

ABSTRACT

Discovering associations is of central importance in scientific practices. Currently, most researches consider only linear association measured by correlation coefficient, which has its theoretical limitations. In this paper, we propose a new method for discovering association with copula entropy -- a universal applicable association measure for not only linear cases, but nonlinear cases. The advantage of the method based on copula entropy over traditional method is demonstrated on the NHANES data by discovering more biomedical meaningful associations.

研究の動機と目的

• 従来の相関係数が線形関連性しか捉えられず、科学的データにおける非線形依存関係を見逃すという限界を是正すること。
• 2次の依存関係を超える理論的に堅牢で普遍的に適用可能な関連性測度の開発。
• コプールァエントロピーが実世界のデータセットにおいて生物学的に意味のある関連性を発見する実用的利点を示すこと。
• 多変量および非線形システムにおいて一貫性を持つ非パラメトリックで情報理論的な枠組みを提供すること。

提案手法

• 統計的依存関係の測度としてコプールァエントロピー（CE）を用い、その定義はコプールァ密度の対数を重み付けた負の積分として与えられる：$ H_c(\mathbf{X}) = -\int c(\mathbf{u}) \log c(\mathbf{u}) d\mathbf{u} $。
• 相互情報量（MI）と負のコプールァエントロピーの理論的同等性を活用：$ I(\mathbf{X}) = -H_c(\mathbf{X}) $ により、MIの推定をCEを介して実現。
• 2段階の非パラメトリック推定手順を採用：まず、経験的累積分布関数を用いて経験的コプールァ密度（ECD）を推定し、次にk近傍法（kNN）を用いてエントロピー推定を行う。
• NHANESの実際のバイオメディカルデータにこの手法を適用し、CE、ピアソン相関、スピアマンのrhoの間で関連性パターンを比較。
• 行列可視化を用いて関連構造を比較し、従来の手法が見逃す非対角成分の関連性を強調。
• 既知の生物学的知識と照合することで、発見された関連性の生物学的妥当性を評価。

実験結果

リサーチクエスチョン

• RQ1 コプールァエントロピーは、従来の相関係数に比べ、バイオメディカルデータにおいてより包括的かつ生物学的に関連性のある関連性を検出できるか？
• RQ2 コプールァエントロピーは、ピアソン相関とスピアマン相関に比べ、非線形および高次依存関係をどれほどよく捉えられるか？
• RQ3 コプールァエントロピーは、線形相関測度が見逃す生物学的に意味のある関連性の種類をどのように特定できるか？
• RQ4 コプールァエントロピーの使用は、多変量システムにおける統計的依存関係の明確で解釈可能な表現をもたらすか？
• RQ5 コプールァエントロピーは、疾患リスク、環境被ばく、代謝マーカー関連の関連性の発見をどの程度改善するか？

主な発見

• コプールァエントロピーは、NHANESデータにおいて、2型糖尿病リスク、環境化学物質被ばく、プラスチックizer代謝物に関連する5つの生物学的に整合性のある関連性グループを明らかにした。
• CEに基づく関連性行列は、ピアソンの相関行列に比べて顕著に多くの非対角成分の関連性を示しており、非線形および高次依存関係の検出を裏付けている。
• ピアソンの$ r $に比べ、CEはインスリン抵抗性、トリグリセリド、リポタンパク質に関連する変数においてより多くの関連性を同定した。これらは代謝症候群において相互に関連するとされている。
• CE行列は、ピアソンおよびスピアマン相関と比較して、非正規分布および非線形依存関係を示す変数において、より強く一貫性のある依存パターンを捉えていた。
• グループ3の関連性（例：経口グルコース、インスリン、コレステロール）は、2型糖尿病の既知の病理生理学的メカニズムと一致しており、CEが同定した関連性の生物学的妥当性を裏付けた。
• CEは、尿中におけるフタル酸エステル代謝物と金属（グループ5およびグループ1）との間で意味のある関連性を検出しており、環境健康研究における既知の共被ばくパターンを支持した。