[論文レビュー] Integrated Principal Components Analysis

Tiffany M. Tang, Genevera I. Allen|arXiv (Cornell University)|Oct 1, 2018

Statistical Methods and Inference参考文献 39被引用数 9

ひとこと要約

本稿では、主成分分析（PCA）のモデルベース拡張として、Kronecker積共分散構造を有する行列変量正規分布を用いた統合的主成分分析（iPCA）を提案する。iPCAは複数のデータソースを統合的に分析し、複数のデータセット間で共通する低ランクパターンを同定する。幾何的凸性による収束保証が得られ、インテグレーティブゲノミクスにおいて予測性能が顕著で、iPCAが導く統合パターンはアルツハイマー病の診断および認知機能を強く予測する。

ABSTRACT

Data integration, or the strategic analysis of multiple sources of data simultaneously, can often lead to discoveries that may be hidden in individualistic analyses of a single data source. We develop a new unsupervised data integration method named Integrated Principal Components Analysis (iPCA), which is a model-based generalization of PCA and serves as a practical tool to find and visualize common patterns that occur in multiple data sets. The key idea driving iPCA is the matrix-variate normal model, whose Kronecker product covariance structure captures both individual patterns within each data set and joint patterns shared by multiple data sets. Building upon this model, we develop several penalized (sparse and non-sparse) covariance estimators for iPCA, and using geodesic convexity, we prove that our non-sparse iPCA estimator converges to the global solution of a non-convex problem. We also demonstrate the practical advantages of iPCA through extensive simulations and a case study application to integrative genomics for Alzheimer's disease. In particular, we show that the joint patterns extracted via iPCA are highly predictive of a patient's cognition and Alzheimer's diagnosis.

研究の動機と目的

• 複数のデータソースに一般化された、原理的かつモデルベースの非監視的データ統合手法を確立すること。
• 既存の行列因子分解手法（JIVE や CMTF など）におけるランク選択への感度と一意性の欠如を解決すること。
• 統計的に根拠があり、計算的にも効率的なアプローチを提供し、異種データセット間の共通パターンを、最適化および推定の保証付きで同定すること。
• 本手法のインテグレーティブゲノミクスにおける実用性を示すこと、特にアルツハイマー病における臨床的アウトカムを予測する生物学的に意味のある統合パターンを同定すること。

提案手法

• iPCAは、Kronecker積共分散構造を有する行列変量正規分布を用いて複数のデータ行列をモデル化し、個々の変動と共通変動を別々にモデル化可能である。
• 共通成分と個別成分の両方の変動を推定するために、スパース（L1）および非スパース（Frobenius）の正則化共分散推定器を採用する。
• 非凸最適化問題のグローバル解への収束を保証するため、地政的凸性を有するペナルティを導入し、元の尤度最大化問題の非凸性に対処する。
• 推定された共通共分散の固有値分解により共通部分空間が推定され、その成分は複数のデータセット間で共有される主成分として解釈される。
• スパース推定のため、共通共分散行列に加法的および乗法的ペナルティを適用し、共有パターンのスパarsityを促進する。
• 行列変量モデルフレームワーク下で、共通成分と個別成分を交互に更新するアルゴリズムにより実装される。

実験結果

リサーチクエスチョン

• RQ1 モデルベースのPCA拡張は、古典的PCAの解釈可能性と正規直交性を保ちながら、複数の異種データセット間で共通パターンを効果的に同定・可視化できるか？
• RQ2 行列変量正規モデルにおけるKronecker積共分散構造の導入は、既存の行列因子分解やマルチブロックPCA手法に比べ、より優れた統合パターンの同定を可能にするか？
• RQ3 地政的凸性を活用することで、共通共分散推定に起因する非凸最適化問題において、グローバル解への収束を保証できるか？
• RQ4 iPCAが同定する統合パターンは、インテグレーティブゲノミクスにおいて、アルツハイマー病の診断や認知機能といった臨床的アウトカムをどれほどよく予測できるか？
• RQ5 スパースiPCAは、さまざまなスパarsityレベル下で、密度的iPCAに比べて低ランクかつスパースな共通構造をどれほどよく回復できるか？

主な発見

• 非スパースiPCA推定器は、ペナルティの地政的凸性により、非凸最適化問題のグローバル解に収束し、強力な理論的保証が得られる。
• シミュレーションでは、特に高次元かつ小標本サイズの条件下で、競合手法に比べて顕著に優れた部分空間回復性能を示した。
• スパースiPCA推定器は、付録における理論的分析を通じて、常に真の共通部分空間を的確に推定していることが示された。
• アルツハイマー病の症例研究において、iPCAが同定した統合パターンは認知機能および診断両方を強く予測し、可視化では患者群の明確な分離が得られた。
• 乗法的Frobenius iPCA推定器と加法的L1共分散推定器は、スパース設定で他の手法を上回り、スパarsityが増すほど性能が向上した。
• 本手法は、miRNA、RNA-Seq、メチル化などの高次元マルチオミクスデータを、臨床的に関連する信号を保持したまま、管理可能な数の特徴量に効果的に次元削減できた。