[論文レビュー] Interestingness Measure for Mining Spatial Gene Expression Data using Association Rule

M. Anandhavalli, M. K. Ghose+1 more|arXiv (Cornell University)|Jan 20, 2010

Data Mining Algorithms and Applications参考文献 17被引用数 8

ひとこと要約

本稿では、空間的遺伝子発現データマイニングにおける関連ルールのフィルタリングおよび順位付けに、エントロピーと分散を興味深い指標として提案する。これらの指標を、ブール行列のプルーニングを用いた高速で1回のスキャンのみで実行されるアルゴリズムに統合することで、従来のサポート・コンfidンス手法と比較して、より多様で生物学的に意味のあるルールを効率的に同定できる。特にエントロピーは、新しいパターンを捉えるのに顕著に効果的であることが示された。

ABSTRACT

The search for interesting association rules is an important topic in knowledge discovery in spatial gene expression databases. The set of admissible rules for the selected support and confidence thresholds can easily be extracted by algorithms based on support and confidence, such as Apriori. However, they may produce a large number of rules, many of them are uninteresting. The challenge in association rule mining (ARM) essentially becomes one of determining which rules are the most interesting. Association rule interestingness measures are used to help select and rank association rule patterns. Besides support and confidence, there are other interestingness measures, which include generality reliability, peculiarity, novelty, surprisingness, utility, and applicability. In this paper, the application of the interesting measures entropy and variance for association pattern discovery from spatial gene expression data has been studied. In this study the fast mining algorithm has been used which produce candidate itemsets and it spends less time for calculating k-supports of the itemsets with the Boolean matrix pruned, and it scans the database only once and needs less memory space. Experimental results show that using entropy as the measure of interest for the spatial gene expression data has more diverse and interesting rules.

研究の動機と目的

• 標準のマイニングアルゴリズムが生成する大規模なデータセットから、真正に興味深い関連ルールを同定するという課題に対処すること。
• サポートとコンフィデンスに加えて、エントロピーと分散のような追加の興味深い指標を組み込むことで、ルール選択を改善すること。
• 計算効率が高く、メモリ使用量とデータベーススキャン回数を削減しながらも、高いルール品質を維持するアルゴリズムを開発すること。
• エントロピーと分散が、空間的遺伝子発現データにおける生物学的に関連するパターンを同定する指標としてどれほど効果的であるかを評価すること。

提案手法

• データベースを1回のみスキャンし、ブール行列のプルーニングにより計算オーバーヘッドを低減する高速マイニングアルゴリズムを採用する。
• 初期の候補アイテムセットおよび関連ルールを生成するために、サポートとコンフィデンスのしきい値を適用する。
• サポートとコンフィデンスに加え、エントロピーと分散を追加の興味深い指標として導入し、ルールの順位付けとフィルタリングを行う。
• エントロピーを用いて、ルールの分布の多様性と情報含量を定量化し、非一様で情報豊富なパターンを示すルールを優先する。
• 分散を用いて、異常または逸脱した発現パターンを検出し、生物学的に有意義な関連性を示す可能性がある。
• これらの指標を統合し、頻度が高くかつ信頼性が高いうえに、空間的分布において驚きや新規性を示すルールを優先順位付けする。

実験結果

リサーチクエスチョン

• RQ1 サポートとコンフィデンスを超える興味深い指標として、空間的遺伝子発現データにおいて生物学的に意味のあるパターンを最も効果的に同定するのはどれか？
• RQ2 エントロピーを興味深い指標として用いることで、抽出された関連ルールの多様性と関連性はどのように向上するか？
• RQ3 分散に基づくフィルタリングは、生物学的に有意義な可能性があるレアまたは異常な遺伝子発現パターンを検出できるか？
• RQ4 提案されたアルゴリズムは、空間的遺伝子発現マイニングにおいて、ルール品質を維持しつつ、計算コストをどの程度低減できるか？

主な発見

• エントロピーに基づく興味深い指標は、他の指標と比較して、より多様で生物学的に興味深い関連ルールを生成した。
• 本稿で提案するアルゴリズムは、データベースを1回のスキャンで実行し、ブール行列のプルーニングを適用することで、高速なルール生成とメモリ使用量の削減を達成した。
• エントロピーで順位付けされたルールは、より高い新規性と低い再冗長性を示し、新しい空間的遺伝子発現パターンの発見可能性が向上していることが示された。
• 分散は、希少または逸脱した発現パターンの同定に貢献し、生物学的に有意義な相互作用の検出を強化した。
• 実験結果から、エントロピーは、遺伝子発現データにおける意味のある非一様な空間的関連を捉える点で、他の指標を上回ることが示された。