[論文レビュー] Stable Feature Selection for Biomarker Discovery

Zengyou He, Weichuan Yu|arXiv (Cornell University)|Jan 6, 2010

Gene expression and cancer classification参考文献 59被引用数 46

ひとこと要約

本論文は、サンプリングのばらつき、相関する特徴量、小標本サイズによって引き起こされる不安定性に対処するため、バイオマーカー同定における安定な特徴選択のための階層的フレームワークを提案する。アンサンブル手法、グループ特徴選択、安定性指標のレビューを通じて、強固なアルゴリズム設計と安定性指標の包括的評価に基づく再現性の高いマーカー同定を強調する。

ABSTRACT

Feature selection techniques have been used as the workhorse in biomarker discovery applications for a long time. Surprisingly, the stability of feature selection with respect to sampling variations has long been under-considered. It is only until recently that this issue has received more and more attention. In this article, we review existing stable feature selection methods for biomarker discovery using a generic hierarchal framework. We have two objectives: (1) providing an overview on this new yet fast growing topic for a convenient reference; (2) categorizing existing methods under an expandable framework for future research and development.

研究の動機と目的

• サンプリングのばらつきに起因する特徴選択の不安定性という長年の無視された問題に取り組むこと。
• 既存の安定特徴選択手法を体系的かつ拡張可能な分類フレームワークとして整備すること。
• アルゴリズム設計に安定性を組み込む手法と、事後的に安定性を測定する手法を区別すること。
• 将来的な研究を支援するため、不安定性の主な要因を特定し、それらを中心に手法を整理すること。
• 非相関の特徴量、複数の真のマーカー集合の存在、安定性指標に関する合意の欠如といった未解決の課題を浮き彫りにすること。

提案手法

• サンプリングのばらつき、特徴量の相関、小標本サイズという3つの主な不安定要因に対処する方法に基づいて、安定特徴選択手法を階層的に整理するフレームワークを提案する。
• 手法を、アンサンブル特徴選択（例：バギング、ブースティング）、グループ特徴選択（クラスタリングや密度推定を用いて特徴量グループを形成）、サンプルインジェクション（人工的に訓練サンプルを増加）に分類する。
• 事前の特徴量の重要度や知識に基づくグループ形成（例：経路情報から）を統合し、安定性を向上させる。
• トランスductive学習と人工的訓練サンプルを用いて、低標本状態における耐性を高める。
• 特徴量重みベクトルのピアソン相関係数や特徴量サブセットの比較に用いるジャカード係数といった安定性指標を採用する。
• ユーザーが定義するパラメータ（例：指数関数的減衰モデルにおけるα）を用いて安定性指標を再定式化し、特徴量ランク付けの感度を制御する。

実験結果

リサーチクエスチョン

• RQ1 高次元の「オミックス」データにおけるバイオマーカー同定の特徴選択において、不安定性の主な要因は何か？
• RQ2 安定性の向上に向けたアプローチに基づいて、特徴選択手法を体系的に分類することは可能か？
• RQ3 アンサンブルおよびグループベースの特徴選択戦略は、サンプリングのばらつきと特徴量の相関によって引き起こされる不安定性を効果的に低減できるか？
• RQ4 現在の安定性指標の限界は何か？特徴選択の再現性を評価するための最良の指標について合意は存在するか？
• RQ5 複数の非相関の真のマーカー集合が存在する状況では、安定なバイオマーカーを同定する上で未解決の課題があるか？

主な発見

• 高次元の「オミックス」データにおいて、小標本サイズが最も深刻な不安定要因であり、安定な選択には数千件のサンプルが必要であると示唆されている。
• アンサンブル特徴選択手法は、複数のモデルを組み合わせることで一般用途の安定性向上に強く有望である。
• 特徴量が相関している場合には広く使われており効果的であるが、真のマーカーが非相関である場合には、グループ特徴選択では完全に不安定性を解消できない。
• 最良の安定性指標について合意はなく、大多数の既存指標は個々の特徴量ではなく特徴量サブセットに基づいて定義されている。
• 特徴量重みベクトルのピアソン相関係数（MW1）は、連続的な重みスコアを用いて安定性を評価する少数の指標の1つである。
• グループ選択とアンサンブル学習を組み合わせたハイブリッド手法は、より高い耐性を提供する可能性があるが、現在の文献では十分に検討されていない。