[論文レビュー] Signal Subgraph Estimation Via Vertex Screening

Shangsi Wang, Cencheng Shen+3 more|arXiv (Cornell University)|Jan 23, 2018

Bioinformatics and Genomic Networks参考文献 23被引用数 3

ひとこと要約

本稿では、距離に基づく相関を用いて信号頂点を選択することで、複雑なネットワーク内の小さな情報的価値の高い部分グラフを特定する頂点スクリーニング手法を提案する。この手法は、下流のグラフ分類および回帰性能を著しく向上させるとともに、解釈可能性を高める。理論的に整合性があり、ヒトおよびマウスのMRIデータから得られる機能的・構造的脳グラフにおいて実証的に検証されている。

ABSTRACT

Graph classification and regression have wide applications in a variety of domains. A graph is a complex and high-dimensional object, which poses great challenges to traditional machine learning algorithms. Accurately and efficiently locating a small signal subgraph dependent on the label of interest can dramatically improve the performance of subsequent statistical inference. Moreover, estimating a signal subgraph can aid humans with interpreting these results. We present a vertex screening method to identify the signal subgraph when given multiple graphs and associated labels. The method utilizes distance-based correlation to screen the vertices, and allows the subsequent classification and regression to be performed on a small induced subgraph. We demonstrate that this method is consistent in recovering signal vertices and leads to better classification performance via theory and numerical experiments. We apply the vertex screening algorithm on human and murine graphs derived from functional and structural magnetic resonance images to analyze the site effects and sex differences.

研究の動機と目的

• 高次元グラフデータにおける小さな情報的価値の高い部分グラフを特定する課題に対処すること。
• ラベルとの相関に基づいて頂点をスクリーニングする計算的に効率的な手法を開発し、信号部分グラフに焦点を当てる。
• 関連する部分構造を特定することで、グラフベースの機械学習モデルの解釈可能性を向上させること。
• スクリーニング手法の理論的整合性と実世界の神経画像応用における実証的有効性を示すこと。

提案手法

• 頂点特徴とグラフラベル間の距離に基づく相関を用いて、信号部分グラフ同定のための頂点の順位付けとスクリーニングを行う。
• 上位ランクの頂点から部分グラフを構築し、次元削減を行い、分析を最も関連性の高いネットワーク領域に集中させる。
• スクリーニング手順は一貫性を持つように設計されており、ややいなごろの正則性条件のもとで真の信号頂点の漸近的回復が保証される。
• スクリーニングされた部分グラフ上で分類および回帰タスクにこの手法を適用し、モデル性能の向上を図る。
• 理論的分析と合成および実脳ネットワークデータにおける数値実験を通じて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 距離に基づく相関を用いた頂点スクリーニングは、ラベル付きグラフにおいて信号部分グラフを効果的に同定できるか？
• RQ2 スクリーニング手法は、次元削減された部分グラフ上で分類および回帰性能を向上させるか？
• RQ3 頂点スクリーニング手順は、信号頂点の回復に関して理論的に一貫性を有するか？
• RQ4 本手法は、MRIデータから得られるヒトおよびマウス脳ネットワークにおける生物学的効果（性別差や施設差）を検出できるか？

主な発見

• ややいなごろの正則性条件のもとで、頂点スクリーニング手法は信号頂点の一貫した回復を達成し、理論的信頼性を保証する。
• 特に高次元設定において、スクリーニングされた部分グラフを用いることで分類性能が著しく向上する。
• 本手法は、ヒトおよびマウスのMRIデータから得られる脳ネットワークにおいて、施設差および性別差を効果的に検出できる。
• 数値実験により、信号検出および下流の予測精度の両面で本手法の優位性が確認された。