[論文レビュー] Learning networks from high dimensional binary data: An application to genomic instability data

Pei Wang, Dennis L. Chao+1 more|ArXiv.org|Aug 26, 2009

Gene expression and cancer classification参考文献 28被引用数 13

ひとこと要約

本稿では、対称的係数制約と空間相関補正を施したスパース正則化ロジスティック回帰を用いて、高次元のバイナリゲノム不安定性データから遺伝的相互作用ネットワークを学習する新規手法LogitNetを提案する。本手法は、対称性の強制とグループ選択の活用により、既存手法に比べてエッジ検出の正確性を向上させ、シミュレーション研究および乳がんデータへの応用において優れた性能を示している。

ABSTRACT

Genomic instability, the propensity of aberrations in chromosomes, plays a critical role in the development of many diseases. High throughput genotyping experiments have been performed to study genomic instability in diseases. The output of such experiments can be summarized as high dimensional binary vectors, where each binary variable records aberration status at one marker locus. It is of keen interest to understand how these aberrations interact with each other. In this paper, we propose a novel method, exttt{LogitNet}, to infer the interactions among aberration events. The method is based on penalized logistic regression with an extension to account for spatial correlation in the genomic instability data. We conduct extensive simulation studies and show that the proposed method performs well in the situations considered. Finally, we illustrate the method using genomic instability data from breast cancer samples.

研究の動機と目的

• p >> n である高次元バイナリゲノム不安定性プロファイルから癌形成経路を推定する手法を開発すること。
• 限られたサンプルサイズにおける高次元バイナリデータにおける条件付き依存関係推定の課題に対処すること。
• すべての異常イベントペア間の条件付き依存関係推定において対称性を強制することで、エッジ検出の正確性を向上させること。
• ゲノム上での空間的相関を組み込むことで、生物学的に妥当な相互作用の検出を向上させること。
• 従来の手法で一般的に見られる矛盾した近隣関係の発生を回避する整合的かつ解釈可能なネットワーク構造を提供すること。

提案手法

• LogitNetは木構造の仮定に基づく同時確率モデルを用い、対称的係数行列を持つp個のロジスティック回帰モデルの集合を導出する。
• 本手法はラッソペナルティを適用して係数行列のスパarsityを誘導し、関連する条件付き依存関係の選択を可能にする。
• ゲノム上の位置相関を補償するための空間重み付けスキームを導入し、近接するマーカーのグループ選択を促進する。
• 対称的係数行列制約により、すべての変数ペア間で一貫した条件付き依存関係が保証される。
• 対称性および空間重み付け制約を満たす最適化問題を効率的に解くアルゴリズムを実装する。
• 本手法は、ネットワーク構造の整合性と適合性を保証する点で、標準的なネイバー選択を拡張している。

実験結果

リサーチクエスチョン

• RQ1 対称的で罰則付きロジスティック回帰アプローチは、既存手法に比べて高次元バイナリゲノム不安定性データにおけるエッジ検出の正確性を向上させることができるか？
• RQ2 ゲノム上での空間的相関を組み込むことで、生物学的に関連のある癌形成経路の同定にどのような影響を与えるか？
• RQ3 係数行列への対称性の強制は、非対称手法に比べてより整合的かつ解釈可能なネットワーク構造をもたらすか？
• RQ4 さまざまな高次元・低サンプルサイズのシナリオ下で、LogitNetの誤検出率および見逃し率の性能はいかがなものか？
• RQ5 シミュレーションおよび実際の乳がんゲノム不安定性データにおいて、LogitNetはSepLogit手法に比べて既知の生物学的相互作用を効果的に検出できるか？

主な発見

• LogitNetは、鎖状および木構造の癌形成経路を含む複数のシミュレーションシナリオにおいて、SepLogit手法に比べて低い合計誤差率を達成した。
• 鎖状モデルでは、LogitNetの平均合計誤差率は0.15であり、SepLogitの0.22に比べ有意に低い偽陽性および偽陰性率を示した。
• 木構造モデルでは、LogitNetは最も頻度の高いパターン（11q24.2, 13q21.33）において10/10の選択エッジを検出しており、高い感度と精度を示した。
• 本手法は、CDKN1Aの調節および細胞周期の進行を制御することが知られるCHEK1とDACH1の生物学的に関連する相互作用を効果的に同定した。
• 実際の乳がんデータでは、LogitNetは少なくとも10個のインピューテッドデータセットのうち4つ以上で10個のエッジを検出しており、最も頻繁に選択されたペアは11q24.2と13q21.33であった。
• 空間的重み付けと対称性の強制により、相関の高いゲノム領域が一貫して同時に含められたり除外されたりするグループ選択効果が得られた。