[論文レビュー] Node-Based Learning of Multiple Gaussian Graphical Models

Karthik Mohan, Palma London+3 more|arXiv (Cornell University)|Mar 21, 2013

Gaussian Processes and Bayesian Inference参考文献 3被引用数 112

ひとこと要約

本稿では、ネットワーク差が条件間で摂動されたノードまたは共有されたハブノードに起因すると仮定し、ノードベースのアプローチを提案する。行と列の重複ノルム正則化とADMM最適化を用いることで、スケーラブルで構造的な高次元GGMの推定が可能となり、生物学的に意味のあるネットワーク変化を検出する点でエッジベース手法を上回る性能を示す。

ABSTRACT

We consider the problem of estimating high-dimensional Gaussian graphical models corresponding to a single set of variables under several distinct conditions. This problem is motivated by the task of recovering transcriptional regulatory networks on the basis of gene expression data {containing heterogeneous samples, such as different disease states, multiple species, or different developmental stages}. We assume that most aspects of the conditional dependence networks are shared, but that there are some structured differences between them. Rather than assuming that similarities and differences between networks are driven by individual edges, we take a node-based approach, which in many cases provides a more intuitive interpretation of the network differences. We consider estimation under two distinct assumptions: (1) differences between the K networks are due to individual nodes that are perturbed across conditions, or (2) similarities among the K networks are due to the presence of common hub nodes that are shared across all K networks. Using a row-column overlap norm penalty function, we formulate two convex optimization problems that correspond to these two assumptions. We solve these problems using an alternating direction method of multipliers algorithm, and we derive a set of necessary and sufficient conditions that allows us to decompose the problem into independent subproblems so that our algorithm can be scaled to high-dimensional settings. Our proposal is illustrated on synthetic data, a webpage data set, and a brain cancer gene expression data set.

研究の動機と目的

• ネットワークが構造的類似性を共有するが、条件ごとに構造的に差を持つ高次元GGMを推定する課題に対処すること。
• ネットワーク差をエッジレベルではなくノードレベルでモデル化することで、条件間での摂動されたノードやハブノードのより解釈可能な同定を可能にすること。
• すべてのネットワークに共通するハブノードを促進するか、条件間で接続パターンが摂動されるノードを同定するための凸最適化フレームワークを構築すること。
• ADMMを用いて最適化問題を独立した部分問題に分解することで、高次元設定へのスケーラビリティを実現すること。
• 合成データ、Webページデータ、脳腫瘍研究からの遺伝子発現データにおいて、生物学的に関連のあるネットワーク変化を検出する性能の向上を実証すること。

提案手法

• 2つの凸最適化問題を定式化する：ノード差の摂動を検出するためのPNJGLと、共通ハブノードを特定するためのCNJGLであり、両者とも構造的スパarsityを誘導するための行と列の重複ノルム正則化を用いる。
• 交替方向乗数法（ADMM）を用いて最適化問題を解き、分散処理とスケーラブルな計算を可能にする。
• 各ノードごとに独立した部分問題に問題を分解するための必要十分条件を導出する。これにより、高次元設定でも効率的な計算が可能になる。
• プライム変数と双対変数の更新ルールを明示的に導出するため、ソフトスレッショングとグループソフトスレッショング演算子をADMMアルゴリズムで用いる。
• 複数の精度行列にわたる行と列の共同スパarsityをペナルティとする行と列の重複ノルムを用い、ネットワーク間での共有構造を促進する。
• ノードレベルでの差異や共通性を捉える新しいペナルティ関数を導入し、エッジベース手法よりも直感的な解釈性を提供する。

実験結果

リサーチクエスチョン

• RQ1 エッジベース手法と比較して、ノードベースのアプローチは、複数GGM推定の解釈性と正確性を向上させることができるか？
• RQ2 構造的スパarsity正則化を用いて、複数の条件下で共通するハブノードをどれほど信頼性高く同定できるか？
• RQ3 本手法は、生物学的または実験的条件下で接続パターンが摂動される個々のノードをどれほど正確に検出できるか？
• RQ4 最適化フレームワークは、計算効率と統計的一致性を維持しながら、高次元設定にスケーリング可能か？
• RQ5 実世界のデータ、例えばがんにおける遺伝子調節ネットワークにおいて、生物学的に関連のあるネットワーク変化を同定する性能はどの程度か？

主な発見

• PNJGL手法は合成データにおいて摂動されたノードを効果的に同定し、推定されたノード差行列の列ノルムが摂動されたノードと非摂動ノードを明確に分離している。
• CNJGL手法は、すべての条件下でハブであるノードに対して、推定された共通ハブ行列の列ノルムが高く、共通ハブノードを正確に検出している。
• 脳腫瘍の遺伝子発現データセットにおいて、本手法は生物学的に妥当な調節ネットワークの変化を同定した。特に、既知のがん化促進的調節因子が摂動ノードとして特定された。
• 特にハブノードや摂動ノードの同定において、エッジベースの代替手法（例：FGL、GL）と比較して、精度と再現率の両面で優れた性能を示した。
• ADMMベースのアルゴリズムは効率的に収束し、高次元データへのスケーリングも効果的であり、部分問題の分解によりノードごとの独立した計算が可能になった。
• チューニングパラメータの選択に対して頑健であり、シミュレーション研究において、さまざまなパrameter値の範囲で一貫した摂動ノードおよびハブノードの同定が得られた。