[論文レビュー] Peak Detection as Multiple Testing

Armin Schwartzman, Yulia Gavrilov+1 more|arXiv (Cornell University)|Aug 11, 2010

Statistical Methods and Inference参考文献 25被引用数 6

ひとこと要約

本稿では、ノイズのあるデータにおける等幅で重複のない単峰型ピークを検出するための多重仮説検定フレームワークを提案する。カーネルスムージングを適用した後、局所的最大値におけるp値を計算することで、家族誤り率（FWER）および誤発見率（FDR）を漸近的に強く制御する。ピーク幅とスムージング帯域幅が一致する場合に最大の検出力が得られる。

ABSTRACT

This paper considers the problem of detecting equal-shaped non-overlapping unimodal peaks in the presence of Gaussian ergodic stationary noise, where the number, location and heights of the peaks are unknown. A multiple testing approach is proposed in which, after kernel smoothing, the presence of a peak is tested at each observed local maximum. The procedure provides strong control of the family wise error rate and the false discovery rate asymptotically as both the signal-to-noise ratio (SNR) and the search space get large, where the search space may grow exponentially as a function of SNR. Simulations assuming a Gaussian peak shape and a Gaussian autocorrelation function show that desired error levels are achieved for relatively low SNR and are robust to partial peak overlap. Simulations also show that detection power is maximized when the smoothing bandwidth is close to the bandwidth of the signal peaks, akin to the well-known matched filter theorem in signal processing. The procedure is illustrated in an analysis of electrical recordings of neuronal cell activity.

研究の動機と目的

• 未知のピーク数および位置を想定した状況下でも、グローバル誤り率を制御できる一般的で統計的に厳密なピーク検出手法の開発。
• 既存のアルゴリズムにおける任意のしきい値の限界を克服するため、ピーク検出を多重仮説検定問題として形式化すること。
• 信号対ノイズ比と探索領域が増大する際、ガウス過程に従うエルゴード的定常ノイズのもとで、家族誤り率（FWER）および誤発見率（FDR）の強い誤り制御を保証すること。
• ゲノムデータや神経記録データなど大規模データに適した、計算効率的かつスケーラブルな手順の提供。
• 等幅で重複のない単峰型ピークという現実的な仮定の下で、誤り制御および検出力の理論的保証の確立。

提案手法

• 観測データにカーネルスムージングを適用し、信号対ノイズ比を向上させるとともに次元を低減する。
• スムージング後の系列における局所的最大値として候補ピークを特定することで、全データポイントからの検定数を潜在的ピーク位置にまで削減する。
• 純粋なノイズの下でのピーク高さの分布を、ガウス過程に対するPalm積分を用いて導出し、各局所最大値におけるp値を計算する。
• Bonferroni補正を用いて家族誤り率（FWER）を制御し、Benjamini-Hochberg法を用いて誤発見率（FDR）を制御する。両者ともに計算されたp値を用いる。
• 信号対ノイズ比と探索領域が増大する際の理論的誤り制御を保証するため、しきい値手順の漸近的近似を用いる。
• 誤り率が制御される理論的条件と、検出力が1に収束する条件を導出する。

実験結果

リサーチクエスチョン

• RQ1 ピーク検出を多重仮説検定問題として形式化することで、厳密な誤り制御が可能になるか？
• RQ2 提案手法は、現実的なノイズ仮定のもとで、家族誤り率（FWER）および誤発見率（FDR）の両方を強く制御できるか？
• RQ3 スムージング帯域幅の選択が検出力に与える影響は何か？また、信号ピーク幅と一致する最適な帯域幅が存在するか？
• RQ4 信号対ノイズ比と探索領域が増大する際、誤り率および検出力の漸近的挙動はいかなるものか？
• RQ5 実用的状況における部分的ピーク重複および低信号対ノイズ比に対して、この手法はどれほど頑健か？

主な発見

• 提案手法は、ガウス的エルゴード的定常ノイズのもとで、家族誤り率（FWER）および誤発見率（FDR）の両方を漸近的に強く制御する。
• シミュレーションにより、ガウスピーク形状と自己相関ノイズを想定した場合でも、比較的低い信号対ノイズ比でも所望の誤りレベルが達成される。
• スムージング帯域幅が信号ピークの真の幅と近い場合に検出力が最大となり、これはマッチドフィルタ定理と整合的である。
• 部分的ピーク重複に対しても頑健であり、重複するピーク状況でも正確な誤り制御と高い検出力を維持する。
• 理論的解析により、決定的しきい値を用いる場合、検出力が確率的に1に収束することが確認された。この結果は、確率的しきい値に対しても、その漸近的同値性により拡張可能である。
• シミュレーションにより、Benjamini-Hochberg手順が漸近的にFDRを制御しており、真のピークの固定割合のもとでしきい値が固定値に収束することが示された。