[論文レビュー] Discovering Relationships Across Disparate Data Modalities

Cencheng Shen, Carey E. Priebe+2 more|arXiv (Cornell University)|Sep 16, 2016

Bioinformatics and Genomic Networks参考文献 3被引用数 3

ひとこと要約

MGCは、k近傍法、カーネル法、多スケール解析を統合したマルチスケール依存性検定であり、機能的形態が異なるデータモダリティ（例：接続体とゲノム）間の複雑で非線形な関係を、既存の手法よりも高い統計的パワーと低いサンプルサイズ要件で検出する。同時に、依存関係の背後にある幾何的構造を明らかにする。

ABSTRACT

Understanding the relationships between different properties of data, such as whether a connectome or genome has information about disease status, is becoming increasingly important in modern biological datasets. While existing approaches can test whether two properties are related, they often require unfeasibly large sample sizes in real data scenarios, and do not provide any insight into how or why the procedure reached its decision. Our approach, Multiscale Graph Correlation (MGC), is a dependence test that juxtaposes previously disparate data science techniques, including k-nearest neighbors, kernel methods (such as support vector machines), and multiscale analysis (such as wavelets). Other methods typically require double or triple the number samples to achieve the same statistical power as MGC in a benchmark suite including high-dimensional and nonlinear relationships - spanning polynomial (linear, quadratic, cubic), trigonometric (sinusoidal, circular, ellipsoidal, spiral), geometric (square, diamond, W-shape), and other functions, with dimensionality ranging from 1 to 1000. Moreover, MGC uniquely provides a simple and elegant characterization of the potentially complex latent geometry underlying the relationship, providing insight while maintaining computational efficiency. In several real data applications, including brain imaging and cancer genetics, MGC is the only method that can both detect the presence of a dependency and provide specific guidance for the next experiment and/or analysis to conduct.

研究の動機と目的

• 脳画像データや遺伝的データなど、異なるデータモダリティ間の依存関係を検出する課題に取り組むこと。従来の手法では、サンプルサイズの要件が高いため、その検出が困難である。
• 既存の依存性検定手法に欠ける解釈可能性を克服すること。すなわち、関係がどのようにまたはなぜ検出されたかを説明できない点を改善する。
• 多様な関数形にわたる高次元・非線形・複雑な関係においても高い統計的パワーを維持する手法を開発すること。
• 計算的に効率的なアプローチを提供し、検出された依存関係の背後にある潜在的幾何的構造を明らかにすること。
• 実際の生物学的応用において、依存関係の検出に加え、次なる実験的・分析的フォローアップの手がかりを提供できる、実行可能なインサイトを可能にすること。

提案手法

• MGCは、k近傍法を用いて複数のスケールにわたる局所的およびグローバルな依存関係を分析することで、マルチスケールの手法を採用する。
• ウェーブレットにインspiredされた多スケール解析とカーネルベースの手法を組み合わせ、多項式、三角関数、幾何的、らせんパターンなど、非線形かつ高次元の関係を検出する。
• すべてのスケールにおいて局所相関の最大値に基づく検定統計量を計算し、依存関係を検出するのに最も関連性の高いスケールを同定する。
• 帰無仮説下での妥当性と頑健性を確保するため、パーミュテーションに基づくp値の計算を採用する。
• 最終的な検定統計量は、すべての可能なスケールペアにおける局所相関値の最大値から導出され、複雑で非単調な関係の検出を可能にする。
• MGCは、依存関係の背後にある幾何的構造を可視化可能な形で提供し、単なる有意性検定を超えた解釈可能性を提供する。

実験結果

リサーチクエスチョン

• RQ1 MGCは、接続体と疾患状態の間のような、異なるデータモダリティ間の依存関係を、既存の手法よりも高い統計的パワーで検出できるか？
• RQ2 MGCは、競合手法よりも少ないサンプル数で非線形かつ高次元の関係を検出できるか？
• RQ3 MGCは、依存関係の背後にある潜在的幾何的構造を明らかにでき、p値を超えた解釈可能性を提供できるか？
• RQ4 脳画像診断やがんゲノミクスのような実世界の生物学的応用において、MGCは依存関係の検出に加え、次なる実験的・分析的フォローアップの手がかりを提供できるか？
• RQ5 MGCは、多項式、三角関数、幾何的関係を含む多様な関数形において、高次元環境下でどのように性能を発揮するか？

主な発見

• MGCは、既存の手法と同等の統計的パワーを達成するが、ベンチマークスイートに含まれる非線形かつ高次元の関係において、必要なサンプルサイズを半分から3分の1にまで削減できる。
• MGCは、らせん、W字型、楕円型パターンなどの複雑な関係を検出する際、特に高次元データ（最大1000次元）において他の手法を上回る性能を示す。
• MGCは、依存関係の潜在的幾何的構造を独自に明らかにでき、関係の性質やスケールに関する洞察を提供する。他の手法ではそのような洞察が得られない。
• 実データ応用、特に脳画像診断やがんゲノミクスにおいて、MGCは唯一、依存関係の検出に加え、分析や実験のフォローアップに向けた具体的な手がかりを提示できる手法である。
• MGCは、正弦波的、円形、立方関係を含む多様な関数形において、計算効率を維持しながら優れた性能を発揮する。
• MGCのマルチスケール特性により、依存関係を検出するにあたり、最も情報の多いスケールを適応的に同定でき、複雑なデータ環境における感度を向上させる。