[論文レビュー] Microarrays denoising via smoothing of coefficients in wavelet domain

Mario Mastriani, Alberto Giráldez|arXiv (Cornell University)|Jul 10, 2018

Image and Signal Denoising Methods参考文献 5被引用数 7

ひとこと要約

本論文では、マイクロアレイのノイズ低減のための新しいウェーブレットベースの手法を提案する。この手法は、1段階のウェーブレット分解における最も高いサブバンドの係数を滑らかにする。細かいスケールのウェーブレット係数に限定して局所的平滑化を適用し、信号を再構成することで、特にノイズ分散が未知のマイクロアレイにおいて、既存の手法よりも優れたノイズ低減性能を達成する。

ABSTRACT

We describe a novel method for removing noise (in wavelet domain) of unknown variance from microarrays. The method is based on a smoothing of the coefficients of the highest subbands. Specifically, we decompose the noisy microarray into wavelet subbands, apply smoothing within each highest subband, and reconstruct a microarray from the modified wavelet coefficients. This process is applied a single time, and exclusively to the first level of decomposition, i.e., in most of the cases, it is not necessary a multirresoltuion analysis. Denoising results compare favorably to the most of methods in use at the moment.

研究の動機と目的

• 遺伝子発現解析において一般的な、ノイズ分散が未知のマイクロアレイデータのノイズ低減課題に対処すること。
• マルチスケール解析の複雑さを回避しつつ、高いノイズ低減精度を維持する手法を開発すること。
• 最高のサブバンドにおけるウェーブレット係数の選択的平滑化により、マイクロアレイデータの信号忠実度を向上させること。
• ウェーブレットドメインにおける既存のノイズ低減手法の計算コストの高い代替手段を提供すること。
• 1段階の分解を用いて、最先端の手法と同等またはそれ以上の性能を達成すること。

提案手法

• ノイズを含むマイクロアレイデータに対して1段階の離散ウェーブレット変換（DWT）を実行し、近似係数と詳細係数に分解する。
• ノイズを多く含むとされる最も高いサブバンド（すなわち、最も細かいスケール）の係数のみを平滑化の対象とする。
• 各最高サブバンド内で、局所的平滑化技術を適用し、近隣平均化や類似する局所フィルタリングを用いてノイズを低減しながら信号特徴を保持する。
• ノイズ低減された係数を用いて逆DWTによりマイクロアレイ信号を再構成し、クリアな発現プロファイルを得る。
• 全プロセスは一度だけ実行され、反復的精錬やマルチスケール分解を必要としない。
• ノイズ分散が未知であっても安定した性能を発揮するように設計されており、実世界のマイクロアレイデータに適している。

実験結果

リサーチクエスチョン

• RQ1 最高サブバンド係数の局所的平滑化を伴う1段階ウェーブレット変換は、マイクロアレイデータのノイズ低減に有効に機能するか？
• RQ2 この手法は、既存のマルチスケールまたはしきい値ベースのノイズ低減手法と比較して、性能に優れているか？
• RQ3 マイクロアレイデータのノイズ分散を事前に知らない状態でも、どの程度のノイズ低減が達成可能か？
• RQ4 全サブバンドのしきい値処理と比較して、細かいスケールの係数のみを平滑化することで、生物学的に有意な信号特徴をよりよく保持できるか？
• RQ5 提案手法は計算的に効率的であり、高スループットな遺伝子発現解析に実用的か？

主な発見

• 提案手法は、現在一般的に使用されているほとんどの既存手法と比較して、優れたノイズ低減性能を達成する。
• ノイズ分散が未知であっても、信号対ノイズ比を向上させながら、マイクロアレイデータのノイズを効果的に低減する。
• 1段階の分解のみを用いることで、計算複雑度を著しく低減しながらも、高い精度を維持する。
• 最高サブバンド内での平滑化により、グローバルなしきい値処理やマルチスケールアプローチと比較して、局所的な信号構造の保持が優れている。
• 異なるノイズ特性を示す多数のマイクロアレイデータセットに対して、強力なロバストネスと一貫性を示す。
• 局所的平滑化により細かいスケールのウェーブレット係数を処理するだけで、効果的なノイズ低減が可能であり、複雑なマルチスケール解析の必要性が不要であることが示された。