[論文レビュー] Non-iterative Joint and Individual Variation Explained

Qing Feng, Jan Hannig+1 more|arXiv (Cornell University)|Dec 13, 2015

Gene expression and cancer classification参考文献 13被引用数 5

ひとこと要約

本稿では、スコア部分空間と摂動理論を用いて、複数のデータブロックを結合変動および個別変動成分に分解する高速で反復処理を要しない非反復的JIVEを提案する。正規化を必要とせず、正確な分解が達成され、データの不均一性に対してより高いロバスト性を示し、JIVEよりも16倍の高速化を実現する。特徴値分解と行空間解析により、識別可能性と理論的保証が保証される。

ABSTRACT

Integrative analysis of disparate data blocks measured on a common set of experimental subjects is one major challenge in modern data analysis. This data structure naturally motivates the simultaneous exploration of the joint and individual variation within each data block resulting in new insights. For instance, there is a strong desire to integrate the multiple genomic data sets in The Cancer Genome Atlas (TCGA) to characterize the common and also the unique aspects of cancer genetics and cell biology for each source. In this paper we introduce Non-iterative Joint and Individual Variation Explained (Non-iterative JIVE), capturing both joint and individual variation within each data block. This is a major improvement over earlier approaches to this challenge in terms of a new conceptual understanding, much better adaption to data heterogeneity and a fast linear algebra computation. Important mathematical contributions are the use of score subspaces as the principal descriptors of variation structure and the use of perturbation theory as the guide for variation segmentation. This leads to a method which is robust against the heterogeneity among data blocks without a need for normalization. An application to TCGA data reveals different behaviors of each type of signal in characterizing tumor subtypes. An application to a mortality data set reveals interesting historical lessons.

研究の動機と目的

• 複数のデータブロックを統合する際、反復的かつ正規化依存のJIVE手法に起因する制限を解消すること。
• 識別可能性を保証する理論的裏付けに基づいた、反復処理を要しないアルゴリズムを提供すること。
• 任意の正規化手順を回避することで、データスケールおよび次元の不均一性に対するロバスト性を向上させること。
• スコア部分空間と摂動理論を用いた、変動分解のための新たな概念的枠組みを確立すること。
• TCCGおよび歴史的死亡率データを含む、複雑なマルチオミクスおよび不均一なデータセットに対する効率的かつスケーラブルな解析を可能にすること。

提案手法

• 変動の主な特徴を記述するものとして、ℝⁿ 内の行空間（スコア部分空間）を用い、患者などのデータ対象におけるパターンに焦点を当てる。
• 摂動理論を適用してノイズの影響を定量化し、結合変動と個別変動の区別を支援する。
• 結合スコア部分空間をすべての個別データブロックの行空間の共通部分として定義する：row(J) = ⋂ₖ row(Aₖ)。
• 推定された右特異ベクトルを連結した行列Mに対して特異値分解（SVD）を適用し、結合成分を抽出する。
• 直前の成分に直交するランク1部分空間へのフロベニウスノルムの射影を最大化することで、SVDを逐次最適化して結合成分を同定する。
• 摂動境界による理論的根拠により、結合成分選択のためのチューニングパラメータを排除する。

実験結果

リサーチクエスチョン

• RQ1 識別可能でありかつ計算的に効率的な方法で、結合変動と個別変動を分解することは可能か？
• RQ2 摂動理論を活用することで、マルチブロックデータにおける真の結合信号とノイズをどのように区別できるか？
• RQ3 正規化を必要とせず、スケールおよび次元の不均一性に対するロバスト性を維持したまま、データ正規化の必要性を排除することは可能か？
• RQ4 推定されたスコア部分空間と真の結合変動構造との間には、どのような理論的関係があるか？
• RQ5 非反復的手法は、JIVE や O2-PLS などの既存の反復的手法と比べて、速度と正確性の点でどのように差がつくか？

主な発見

• 結合スコア部分空間は、すべての個別データブロックの行空間の共通部分として一意に定義され、識別可能性が保証される。
• 実際のTCGAデータに適用した場合、本手法は元のJIVEアルゴリズムよりも16倍の高速化を達成する。
• 理論的境界により、連結行列Mの最初のrJ個の特異値がσ²ⱼ ≥ ∑ₖ₌₁ᴷ cos²θₖを満たすことが確認され、結合成分の検出が裏付けられる。
• 任意の正規化を排除することで、ブロック間のデータの不均一性に対するロバスト性が向上する。
• TCGAデータへの応用では、腫瘍亜型を特徴付ける信号行動の明確な差が明らかになった一方、死亡率データからは歴史的パターンが同定された。
• 摂動理論的根拠により、結合成分選択に統計的保証が与えられ、チューニングパラメータへの依存が排除される。