[論文レビュー] Jointly Embedding Multiple Single-Cell Omics Measurements

Liu, Jie, Huang, Yuanhao+3 more|arXiv (Cornell University)|Jan 1, 2019

Generative Adversarial Networks and Image Synthesis参考文献 23被引用数 1,273

ひとこと要約

本論文は、サイクル整合性と敵対的訓練を課すことによって、対になっていないラベルなし画像データセット間のクロスドメイン関係を学習する生成的敵対ネットワーク、DiscoGANを提案する。モデルは、ハンドバッグから靴、顔から車、エッジから写真への画像翻訳を成功裏に実行し、アイデンティティ、方向性、スタイルといった重要な特徴を保持する。これは、モード崩壊に対して頑健で、ペairedデータなしに効果的な双方向マッピングを実現していることを示している。

ABSTRACT

Many single-cell sequencing technologies are now available, but it is still difficult to apply multiple sequencing technologies to the same single cell. In this paper, we propose an unsupervised manifold alignment algorithm, MMD-MA, for integrating multiple measurements carried out on disjoint aliquots of a given population of cells. Effectively, MMD-MA performs an in silico co-assay by embedding cells measured in different ways into a learned latent space. In the MMD-MA algorithm, single-cell data points from multiple domains are aligned by optimizing an objective function with three components: (1) a maximum mean discrepancy (MMD) term to encourage the differently measured points to have similar distributions in the latent space, (2) a distortion term to preserve the structure of the data between the input space and the latent space, and (3) a penalty term to avoid collapse to a trivial solution. Notably, MMD-MA does not require any correspondence information across data modalities, either between the cells or between the features. Furthermore, MMD-MA’s weak distributional requirements for the domains to be aligned allow the algorithm to integrate heterogeneous types of single cell measures, such as gene expression, DNA accessibility, chromatin organization, methylation, and imaging data. We demonstrate the utility of MMD-MA in simulation experiments and using a real data set involving single-cell gene expression and methylation data.

研究の動機と目的

• ペア化されたトレーニングデータを必要としない、視覚的ドメイン間のクロスドメイン関係を学ぶ課題に対処すること。
• 明示的な教師付き情報やアノテーションなしに、ドメイン間での画像対画像翻訳を可能にする手法を開発すること。
• サイクル整合性と敵対的訓練を課すことにより、学習されたマッピングが一対一対応であり、頑健であることを保証すること。
• アイデンティティや方向性といった構造的特徴を保持しながら、スタイルを転送するモデルの能力を実証すること。

提案手法

• ドメインAとBの間を双方向にマッピングする2つの生成器（GAB と GBA）を用いたサイクル整合性GANフレームワーク（DiscoGAN）を提案する。
• 再構成損失を導入し、GBA(GAB(xA)) ≈ xA および GAB(GBA(xB)) ≈ xB が成り立つようにすることで、サイクル整合性を強制する。
• 判別器DBとDAを用いた敵対的損失を導入し、生成画像がそれぞれのドメインにおける本物の画像と区別できないようにする。
• ストライド付き畳み込みとデコンボリューションを用いたエンコーダ・デコーダアーキテクチャに基づく生成器を採用し、leaky ReLU活性化関数を用いる。
• 正確な逆写像の最適化を避けるために、L1またはL2距離によるソフト制約を用いる。
• ペア化されていないデータセットを用いてエンドツーエンドでモデルを訓練し、人為的なペアアノテーションなしにクロスドメイン関係を自己学習で発見可能にする。

実験結果

リサーチクエスチョン

• RQ1 ペア化されたトレーニングデータが一切ない状況下でも、GANベースのモデルが2つの視覚ドメイン間で意味のあるクロスドメイン関係を学習できるか？
• RQ2 サイクル整合性と敵対的訓練が併用されることで、画像翻訳の品質がどのように向上し、モード崩壊がどのように防止されるか？
• RQ3 非常に異なるドメイン間で、アイデンティティ、方向性、構造的特徴がどれほど正確に保持されるか？
• RQ4 エッジから写真への翻訳、顔から車への翻訳、ハンドバッグから靴への翻訳といった多様な画像翻訳タスクに、モデルは一般化可能か？
• RQ5 翻訳マッピングを繰り返し適用しても、モデルの性能はどの程度頑健か？

主な発見

• DiscoGANは、ハンドバッグから靴、車から顔、エッジから写真への画像翻訳を成功裏に実行し、現実的で意味的に整合性のある出力を生成した。
• 視覚的に類似性のないドメイン間でも、方向性、アイデンティティ、ファッションのフォーマルさといった重要な特徴を翻訳中に保持した。
• 標準的なGANおよび再構成損失付きGANと比較して、トイデータセットおよび実世界データセットの両方で、モード崩壊に対して優れた頑健性を示した。
• 双方向マッピングが達成されており、ドメインAからBへの翻訳と、BからAへの逆翻訳の両方が高い忠実度で実現された。
• エッジから写真への翻訳の結果では、1つのエッジ入力から多様で現実的な色付けを生成でき、1対多の能力を示した。
• 翻訳マッピングを繰り返し適用しても、安定的かつ一貫性のある結果が得られ、モデルの頑健性と学習された整合性が確認された。