[論文レビュー] Heterogeneity Adjustment with Applications to Graphical Model Inference

Jianqing Fan, Han Liu+2 more|arXiv (Cornell University)|Feb 17, 2016

Statistical Methods and Inference参考文献 38被引用数 5

ひとこと要約

本稿では、低ランク主成分分析を用いてバッチ効果をモデル化・除去することで、多様なデータソースにおける不均一性を補正する汎用的フレームワークALPHAを提案する。次元の呪いの利点を活用し、情報のある共変量を許容することで、一様な残差の一貫した推定が可能となり、脳イメージングやゲノム分野を含む高次元設定におけるグラフィカルモデル推論が著しく向上する。

ABSTRACT

Heterogeneity is an unwanted variation when analyzing aggregated datasets from multiple sources. Though different methods have been proposed for heterogeneity adjustment, no systematic theory exists to justify these methods. In this work, we propose a generic framework named ALPHA (short for Adaptive Low-rank Principal Heterogeneity Adjustment) to model, estimate, and adjust heterogeneity from the original data. Once the heterogeneity is adjusted, we are able to remove the biases of batch effects and to enhance the inferential power by aggregating the homogeneous residuals from multiple sources. Under a pervasive assumption that the latent heterogeneity factors simultaneously affect a large fraction of observed variables, we provide a rigorous theory to justify the proposed framework. Our framework also allows the incorporation of informative covariates and appeals to the "Bless of Dimensionality". As an illustrative application of this generic framework, we consider a problem of estimating high-dimensional precision matrix for graphical model inference based on multiple datasets. We also provide thorough numerical studies on both synthetic datasets and a brain imaging dataset to demonstrate the efficacy of the developed theory and methods.

研究の動機と目的

• 高次元データ解析における既存のバッチ効果補正手法に、体系的かつ理論的裏付けが欠けているという問題に取り組む。
• 複数のデータソース間の不均一性をモデル化・補正する汎用的で理論的根拠を持つフレームワークを開発する。
• バッチ効果という交絡要因を除去することで、真の生物学的または統計的信号を保持したまま、グラフィカルモデルにおけるより信頼性の高い推論を可能にする。
• 外部データが利用可能な場合に、情報のある共変量を不均一性補正プロセスに組み込むことで、推定精度を向上させる。
• 包括的要因モデルの仮定の下で、残差行列の推定誤差および精度行列回復の理論的一貫性を確立する。

提案手法

• 各データバッチの共分散構造に不均一性を低ランク成分としてモデル化する半パラメトリック要因モデルを定式化する。
• 主成分分析（PCA）または投影PCAを用いて、特に包括的仮定下で効果的に低ランク不均一性要因を推定する。
• 推定された不均一性成分を用いて元のデータを補正し、バッチ効果のない一様な残差を生成する。
• 外部共変量を用いたシーブ近似を採用することで、共変量が情報的でかつサンプルサイズが限られる状況での推定を改善する。
• 調整済み残差に対してCLIME手順を適用し、高次元における精度行列推定を実現し、グラフィカルモデル推論を可能にする。
• 最大ノルム下で、残差行列および母共分散行列の推定誤差について理論的保証を提供する。

実験結果

リサーチクエスチョン

• RQ1 高次元設定において、複数のデータソース間の不均一性を補正する汎用的で理論的裏付けのあるフレームワークを開発することは可能か？
• RQ2 大多数の変数が潜在的要因に影響を受けるという包括的仮定が、不均一性成分の一致した推定をどのように可能にするか？
• RQ3 情報のある共変量が、特に各バッチのサンプルサイズが小さい場合に、不均一性推定の精度をどの程度向上できるか？
• RQ4 ALPHAフレームワークは、バッチ効果除去後のグラフィカルモデル推論の信頼性および一貫性をどの程度向上させるか？
• RQ5 不均一性補正後の残差行列および精度行列推定子の理論的性質は何か？

主な発見

• ALPHAは最大ノルム下で、残差行列および母共分散行列の推定が一貫的であり、推定誤差について理論的保証を有する。
• シミュレーションデータでは、調整なしの場合の11.6％と比較して、ネットワーク間の共有されないエッジがそれぞれ8.0％（Method 2）および8.6％（Method 1）にまで減少し、一貫性の向上が示された。
• 脳イメージングデータセットでは、調整済みネットワークにおいて平均相関が統計的に有意に0.001低下（p値 < 2.2e-16）し、ADHDにおける弱い機能的結合性と整合的であった。
• 頭頂小脳（オレンジ）および左前頭（緑）・頭頂（ピンク）小脳では、健常者とADHD被験者間で依存構造の変化が最も顕著に観察された。
• バッチ効果に起因する誤ったエッジを低減する点で、単純な集約法を上回る性能を示し、カイ二乗検定のp値から特定の脳領域における共有されないエッジの非ランダム分布が示された。
• 外部情報が利用可能な場合、共変量を組み込んだ投影PCAは推定精度を向上させるが、各バッチのサンプルサイズが十分に多い場合には、従来のPCAも効果的である。