[論文レビュー] Sparse CCA via Precision Adjusted Iterative Thresholding

Mengjie Chen, Chao Gao+2 more|arXiv (Cornell University)|Nov 24, 2013

Gene expression and cancer classification参考文献 43被引用数 34

ひとこと要約

本稿では、高次元設定における正準方向の推定に精度調整付き反復しきい値処理を用いた新しいスパースCCA手法CAPITを提案する。本稿は、CCAにおけるスパース性の必要十分条件を確立し、最適収束速度を達成することを証明しており、スパース性および共分散の仮定の下でミニマックス下界と一致する。

ABSTRACT

Sparse Canonical Correlation Analysis (CCA) has received considerable attention in high-dimensional data analysis to study the relationship between two sets of random variables. However, there has been remarkably little theoretical statistical foundation on sparse CCA in high-dimensional settings despite active methodological and applied research activities. In this paper, we introduce an elementary sufficient and necessary characterization such that the solution of CCA is indeed sparse, propose a computationally efficient procedure, called CAPIT, to estimate the canonical directions, and show that the procedure is rate-optimal under various assumptions on nuisance parameters. The procedure is applied to a breast cancer dataset from The Cancer Genome Atlas project. We identify methylation probes that are associated with genes, which have been previously characterized as prognosis signatures of the metastasis of breast cancer.

研究の動機と目的

• スパースCCAの高次元設定における理論的基盤の欠如に応えること。
• 正準方向がスパースとなる条件を共分散構造に基づき、必要十分条件として提供すること。
• スパース正準方向を推定する計算的に効率的かつ統計的に最適な手順CAPITを開発すること。
• ミニマックス下界を確立し、さまざまなスパース性および共分散仮定の下でCAPITが最適収束速度を達成することを示すこと。
• TCGAの乳がんデータセットへの応用を通じて、本手法の実用的有用性を実証し、生物学的に意味のあるメチル化プローブ-遺伝子関連性を同定すること。

提案手法

• CCAにおけるスパース性の特徴付けを提案：正準方向がスパースであることは、かつは、精度調整付き交差共分散行列を含む特定のスペクトル分解を満たす母集団正準ベクトルに依存する。
• 高次元共分散推定技術を用いて、精度行列 $\Sigma_1^{-1}$ および $\Sigma_2^{-1}$ を推定する。
• 推定された精度行列を用いてデータを変換し、余計な共分散構造を相殺する。
• 変換されたデータに反復的ソフトしきい値処理を適用し、推定された正準方向におけるスパース性を促進する。
• 有限ステップの反復しきい値処理スキームを用い、保証された収束速度で最適な統計的精度を達成する。
• ミニマックス下界を導出し、正則性条件の下でCAPITの収束速度が下界と一致することを示すことにより、理論的最適性を確立する。

実験結果

リサーチクエスチョン

• RQ1 母集団共分散構造にどのような条件下でCCAにおける正準方向が正確にスパースとなるか？
• RQ2 高次元設定におけるスパースCCAに対して、計算的に効率的かつ統計的に最適な手法を開発できるか？
• RQ3 スパース性および共分散仮定の下で、スパース正準方向を推定する際のミニマックス最適収束速度は何か？
• RQ4 ねんざパラメータ（$\Sigma_1, \Sigma_2$）の推定は、正準方向推定器の収束速度にどのように影響するか？
• RQ5 提案手法は、実世界のゲノムデータ（例：乳がんにおけるメチル化プローブと遺伝子の関連性）から生物学的に意味のある関連性を回復できるか？

主な発見

• 本稿は、CCAにおけるスパース性の必要十分条件を確立した：正準方向 $\theta_1$ がスパースであることは、かつは、母集団交差共分散行列 $\Sigma_{12}$ が $\Sigma_{12} = \Sigma_1 \left(\sum_{i=1}^r \lambda_i \theta_i \eta_i^T \right) \Sigma_2$ を満たすときである。ここで $\theta_1, \eta_1$ はスパースである。
• CAPITは $\ell_q$-スパース性（$0 \leq q \leq 1$）および適切な共分散仮定の下で、収束速度 $s \left( \frac{\log p}{n} \right)^{1 - q/2}$ を達成し、ミニマックス下界と一致する。
• 推定誤差のミニマックス下界は $C s \left( \frac{\log p}{n} \right)^{1 - q/2}$ であり、CAPITが統計的に最適であることを証明する。
• ねんざパラメータ（$\Sigma_1, \Sigma_2$）の推定が正準方向の推定に優勢でない限り、CAPITはレート最適である。
• TCGAの乳がんデータセットにおいて、CAPITは既知のがん転移関連遺伝子と関連するメチル化プローブを効果的に同定した。
• 理論的分析により、CAPITの収束速度がミニマックス下界と一致することが確認され、これはスパースCCAにおいて理論的保証を持つ最初の手法であることを示している。