[論文レビュー] Structured Correlation Detection with Application to Colocalization Analysis in Dual-Channel Fluorescence Microscopic Imaging

Shulei Wang, Jianqing Fan+2 more|arXiv (Cornell University)|Apr 7, 2016

Statistical Methods and Inference参考文献 18被引用数 4

ひとこと要約

本稿では、二重チャネル蛍光顕微鏡における構造的相関検出のためのサイズ補正済み尤度比統計量を提案する。従来の最大対数尤度法に見られるバイアスと低パワーの問題を解消する。領域サイズを正規化することで、広範な構造的相関問題のクラスにおいて、連続的かつ相関のある領域を最適に検出可能となる。選択バイアスの下でも漸近的パワーとロバストネスの理論的保証が得られる。

ABSTRACT

Motivated by the problem of colocalization analysis in fluorescence microscopic imaging, we study in this paper structured detection of correlated regions between two random processes observed on a common domain. We argue that although intuitive, direct use of the maximum log-likelihood statistic suffers from potential bias and substantially reduced power, and introduce a simple size-based normalization to overcome this problem. We show that scanning with the proposed size-corrected likelihood ratio statistics leads to optimal correlation detection over a large collection of structured correlation detection problems.

研究の動機と目的

• 領域サイズの影響によってバイアスとパワーが低下する直接的な最大対数尤度統計量の限界を是正すること。
• 主観的な領域 of interest 選択に依存せず、自動化された統計的妥当な手法を考案し、二重チャネル蛍光顕微鏡画像における相関領域を検出すること。
• 相関部分領域を同定する際の選択バイアスを考慮した、理論的裏付けのある構造的相関検出の解決策を提供すること。
• 生物学的画像におけるコロカル化を含む、広範な構造的相関問題クラスにおいて最適な検出性能を確立すること。
• 相関領域が小さく不規則な形状であっても、高い統計的パワーを維持すること。

提案手法

• 候補領域のサイズで標準尤度比を正規化することで、領域サイズに起因する内在的バイアスを是正するサイズ補正済み尤度比統計量を導入する。
• 候補領域のライブラリ $\tilde{\mathcal{R}}(A)$ 上でのスキャン手順を用い、最も顕著な相関部分領域を検出する。ここで $A$ は領域のサイズを表す。
• 帰無仮説（相関なし）と対立仮説（領域 $R$ で相関あり）の下で二変量正規モデルから導かれる尤度比検定統計量 $W_R = \frac{d\mathbb{P}_R}{d\mathbb{P}_0}$ を採用する。
• 大きな領域は真の相関がなくても自然に高い尤度比を示すという事実を補正するための正規化戦略を適用する。
• 理論的分析ではモーメントの上限と集中不等式を用い、帰無仮説下で $\mathbb{E}_0[|\tilde{\mathcal{R}}(A)|^{-1}\sum_R W_R] \to 1$ が成り立つことを示し、安定性を保証する。
• タイプIIエラーが消えることを示すことで漸近的最適性を証明し、相関信号が弱いか局所的であってもパワーを維持できることを示す。

実験結果

リサーチクエスチョン

• RQ1 画像データにおける構造的相関検出において、バイアスを低減しパワーを向上させるために尤度比統計量をどのように修正できるか。
• RQ2 領域サイズが標準的相関検出手法の性能に与える影響は何か。その影響を是正することは可能か。
• RQ3 二重チャネル蛍光画像において、小さな連続的相関領域を検出しつつ、統計的妥当性を維持できるスキャン手順を開発することは可能か。
• RQ4 領域選択に起因する選択バイアスを考慮した検出手法に対して、どのような理論的保証を提供できるか。
• RQ5 提案手法は、広範な構造的相関問題クラスにおいて最適な検出性能を達成するか。

主な発見

• サイズ補正済み尤度比統計量は、相関信号が弱くても帰無仮説とは反対の仮説下で漸近的パワーが1に近づく。
• タイプIエラー率を制御し、観測された相関強度に基づく領域選択によって生じるバイアスを回避する。
• 理論的分析により $\mathbb{E}_0[|\tilde{\mathcal{R}}(A)|^{-1}\sum_R W_R] \to 1$ が成り立つことが示され、帰無仮説下での統計量の安定性が保証される。
• 他のいかなる検定よりも最適であることが証明されており、同様の条件下でタイプIIエラーが消える。
• 選択バイアスと領域サイズ効果を考慮するため、ピアソン相関やパーミュテーション検定といった従来手法を上回る性能を示す。
• 理論的結果は、弱いが構造的な相関を検出可能とする条件 $A\log(1/(1-\rho^2)) \leq (2-\delta_n)\log(n/A)$ の下で成り立つ。