[논문 리뷰] A note on marginal correlation based screening

Somak Dutta, Vivekananda Roy|arXiv (Cornell University)|2017. 07. 25.

Gene expression and cancer classification참고 문헌 15인용 수 3

한 줄 요약

이 논문은 초고차원 데이터에서의 변량 상관관계 기반 篩選(스크리닝)에 대한 비판을 제기하며, 유전자 데이터의 시뮬레이션 및 실제 사례를 통해 예측변수 간 상관관계가 있거나 중요한 변수가 잡음과 상관관계가 없을 경우 이 방법이 실패할 수 있음을 보여준다. 연구는 이러한 상황에서 보다 우수한 성능을 보이는 대안적 스크리닝 방법이 존재함을 시사하며, 고차원 통계에서 개선된 변수 선택 기법의 필요성을 강조한다.

ABSTRACT

Independence screening methods such as the two sample $t$-test and the marginal correlation based ranking are among the most widely used techniques for variable selection in ultrahigh dimensional data sets. In this short note, simple examples are used to demonstrate potential problems with the independence screening methods in the presence of correlated predictors. Also, an example is considered where all important variables are independent among themselves and all but one important variables are independent with the unimportant variables. Furthermore, a real data example from a genome wide association study is used to illustrate inferior performance of marginal correlation screening compared to another screening method.

연구 동기 및 목표

• 상관관계가 있는 예측변수 존재 시 변량 상관관계 기반 스크리닝의 신뢰성을 조사하는 것.
• 중요 변수가 잡음과 상관관계가 없더라도 변량 상관관계 기반 스크리닝이 중요한 변수를 놓칠 수 있는지 평가하는 것.
• 전장 유전자 연관 분석(GWAS)에서의 실제 데이터를 활용하여 변량 상관관계 기반 스크리닝과 다른 스크리닝 방법의 성능을 비교하는 것.
• 독립성 스크리닝 방법이 이론적으로 유리함에도 불구하고 실질적인 고차원 환경에서 어떻게 기능하지 못하는지 보여주는 것.

제안 방법

• 예측변수 간 상관관계가 있는 시뮬레이션 예제를 구성하여 변량 상관관계 기반 스크리닝이 중요한 변수를 잘못 순위 매기거나 생략할 수 있음을 설명한다.
• 모든 중요한 변수가 상호 독립적이고 대부분의 중요하지 않은 변수와 상관관계가 없는 상황을 설계하여, 변량 상관관계 기반 스크리닝이 여전히 성능이 열 劣하는 경우를 분석한다.
• 전장 유전자 연관 분석(GWAS)에서의 실제 데이터셋을 활용하여 변량 상관관계 기반 스크리닝과 다른 스크리닝 방법을 실증적으로 비교한다.
• 비교의 초점은 고차원성과 상관관계 구조 속에서 진정으로 중요한 예측변수를 식별하는 데 있어 변수 선택 정확도에 맞춰진다.

실험 결과

연구 질문

• RQ1 예측변수 간 상관관계가 있을 경우 변량 상관관계 기반 스크리닝이 중요한 변수를 식별하지 못할 수 있는가?
• RQ2 중요 변수가 중요하지 않은 변수들과 상관관계가 없을 경우 변량 상관관계 기반 스크리닝의 성능이 열 劣하는가?
• RQ3 실제 고차원 유전자 데이터에서 변량 상관관계 기반 스크리닝은 다른 스크리닝 방법보다 어떻게 비교되는가?
• RQ4 어떤 조건에서 변량 상관관계 기반 독립성 스크리닝이 실질적으로 실패하는가?

주요 결과

• 예측변수 간 상관관계가 있을 경우, 심지어 그 변수들이 반응변수와 진정으로 연관되어 있더라도 변량 상관관계 기반 스크리닝이 중요한 변수를 선택하지 못할 수 있다.
• 중요 변수와 중요하지 않은 변수 간 상관관계가 없는 상황에서도 변량 상관관계 기반 스크리닝은 상관관계에 기인한 편향으로 인해 여전히 성능이 열 劣한다.
• 실제 GWAS 데이터 사례에서는 다른 스크리닝 방법이 관련 유전적 마커를 식별하는 데서 변량 상관관계 기반 스크리닝보다 뛰어난 성능을 보였다.
• 복잡한 상관관계 구조를 가진 실질적 환경에서는 단순성과 인기에도 불구하고 변량 상관관계 기반 스크리닝이 신뢰할 수 없다는 결론을 내린다.