[論文レビュー] Improving the Stability of the Knockoff Procedure: Multiple Simultaneous Knockoffs and Entropy Maximization

Jaime Roquero Gimenez, James Zou|arXiv (Cornell University)|Oct 26, 2018

Gene expression and cancer classification被引用数 17

ひとこと要約

本稿では、複数の同時ノックオフ変数を生成することで、特徴選択の安定性と検出力の両方を向上させる、Model-Xノックオフ手順の一般化であるマルチノックオフを提案する。ガウス型マルチノックオフの生成にエントロピー最大化を用いることで、FDR（誤発見率）の制御を維持しつつ、特に真の因果的特徴の数が少ない状況において、選択の一貫性と検出力が著しく向上する。この手法は、GWASにおける遺伝子型の微細マッピングにおいて効果的に実証された。

ABSTRACT

The Model-X knockoff procedure has recently emerged as a powerful approach for feature selection with statistical guarantees. The advantage of knockoff is that if we have a good model of the features X, then we can identify salient features without knowing anything about how the outcome Y depends on X. An important drawback of knockoffs is its instability: running the procedure twice can result in very different selected features, potentially leading to different conclusions. Addressing this instability is critical for obtaining reproducible and robust results. Here we present a generalization of the knockoff procedure that we call simultaneous multi-knockoffs. We show that multi-knockoff guarantees false discovery rate (FDR) control, and is substantially more stable and powerful compared to the standard (single) knockoff. Moreover we propose a new algorithm based on entropy maximization for generating Gaussian multi-knockoffs. We validate the improved stability and power of multi-knockoffs in systematic experiments. We also illustrate how multi-knockoffs can improve the accuracy of detecting genetic mutations that are causally linked to phenotypes.

研究の動機と目的

• 標準ノックオフ手順の不安定性（繰り返し実行における特徴選択の変動が著しいこと）を是正すること。
• 真の因果的特徴の数が少ない状況において、特徴選択の統計的検出力を向上させること。
• FDR制御を維持しつつ、選択の安定性と再現性を高める手法を開発すること。
• 全ゲノム連関解析（GWAS）における因果的遺伝的バリアントのより信頼できる同定を可能にすること。
• 分布的制約下で複数のノックオフ変数を同時に生成するための新しいアルゴリズムフレームワークを提案すること。

提案手法

• FDR制御に必要な主要な分布的性質を保ちつつ、複数の同時ノックオフ（マルチノックオフ）へのノックオフ手順の一般化を提案する。
• 指定された制約下で、元の特徴と同時に分布するガウス型マルチノックオフを生成するためのエントロピー最大化アルゴリズムを導入する。
• 凸最適化フレームワークを用いてエントロピー最大化問題を解き、生成されたノックオフが必要な条件付き分布的性質を満たすことを保証する。
• 特徴とそのノックオフの順列に対して不変となる対称的構成を採用する。
• ノックオフフィルタをマルチノックオフ設計に適用し、検定統計量に基づいて特徴を選択する。FDRはしきい値ルールによって制御される。
• 合成データと実際のGWASデータを用いて、複数回の実行における選択頻度、検出力、FDRを比較して、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 複数の同時ノックオフは、単一ノックオフと比較して特徴選択の安定性を向上させることができるか？
• RQ2 元のノックオフと同等の仮定下でも、マルチノックオフ手順は有効な誤発見率（FDR）制御を維持できるか？
• RQ3 エントロピー最大化は、統計的に妥当かつ計算的に効率的なガウス型マルチノックオフを生成できるか？
• RQ4 真の因果的特徴の数が少ない状況において、マルチノックオフは因果的特徴の検出力の向上をもたらすか？
• RQ5 マルチノックオフは、GWASにおける因果バリアントの微細マッピングにおいて、標準的な相関ベースの選択を上回る性能を示すか？

主な発見

• マルチノックオフは、非ノンキャリブル特徴が繰り返し実行においてより一貫して選択されるなど、単一ノックオフよりも著しく高い選択安定性を達成する。
• 真の因果的特徴の数が少ない状況でも、FDR制御がきっちり維持される。一方、単一ノックオフは低信号条件下でしばしば特徴を検出できない。
• 非ノンキャリブル特徴の数を変化させたシミュレーションにおいて、検出しきい値を越えると、マルチノックオフは非ノンキャリブルの大部分を一貫して棄却する。これは検出力の向上を示している。
• エントロピー最大化アルゴリズムは、ガウス設計における有効なマルチノックオフの生成に成功し、安定的かつ強力な推論を可能にした。
• GWAS応用において、マルチノックオフはFDR制御に失敗する標準的なトップ相関法を上回り、また、因果的SNPの同定において単一ノックオフを著しく上回る。
• 検出力の向上は、不安定性の増加によるものではなく、非ノンキャリブルの選択頻度分布が高頻度に集中していることから、信頼できる検出を示している。