[논문 리뷰] Bayesian Group Factor Analysis

Seppo Virtanen, Arto Klami외 2명|arXiv (Cornell University)|2011. 10. 14.

Bioinformatics and Genomic Networks참고 문헌 18인용 수 72

한 줄 요약

이 논문은 여러 데이터 세트(뷰) 간의 공유 잠재 요인을 식별하는 새로운 요인 분석 모델인 베이지안 그룹 요인 분석(GFA)을 제안한다. 이 모델은 개별 변수가 아닌 전체 데이터 세트 간의 종속성을 모델링하며, 요인 적재값에 그룹별 희박성(group-wise sparsity)을 적용하여 베이지안 프레임워크 내에서 공유된 변동성(뷰 간)과 뷰별 특이적 노이즈를 분리한다. 이는 fMRI 및 약물 반응 데이터에서 생물학적이고 신경과학적으로 의미 있는 패턴을 성공적으로 드러낸다.

ABSTRACT

We introduce a factor analysis model that summarizes the dependencies between observed variable groups, instead of dependencies between individual variables as standard factor analysis does. A group may correspond to one view of the same set of objects, one of many data sets tied by co-occurrence, or a set of alternative variables collected from statistics tables to measure one property of interest. We show that by assuming group-wise sparse factors, active in a subset of the sets, the variation can be decomposed into factors explaining relationships between the sets and factors explaining away set-specific variation. We formulate the assumptions in a Bayesian model which provides the factors, and apply the model to two data analysis tasks, in neuroimaging and chemical systems biology.

연구 동기 및 목표

• 기존 요인 분석의 한계를 해결하기 위해, 개별 변수 간의 종속성을 모델링하는 대신 전체 데이터 세트 또는 뷰 간의 종속성을 모델링하고자 한다.
• 다양한 데이터 세트 간의 공유 요인과 개별 데이터 세트에 특화된 요인을 구분할 수 있는 방법을 개발하고자 하며, 특히 고차원의 다중뷰 데이터에서 이를 목표로 한다.
• 해석 가능하고 구조화된 복잡한 다중원천 데이터의 분해를 가능하게 하는 베이지안, 그룹별 희박성 요인 분석 모델을 제공하고자 한다.
• 실제 신경영상 및 체계생물학 데이터에 모델을 검증하여, 생물학적이고 신경과학적으로 관련성이 있는 잠재적 구조를 드러내는 능력을 입증하고자 한다.

제안 방법

• 두 뷰에서 다수의 뷰로의 희박한 베이지안 공통성 분석(PCA)을 확장하여, 그룹별 희박성을 갖는 다중뷰 요인 분석을 가능하게 한다.
• 모든 데이터 세트를 연결하여 공동 데이터를 모델링하고, 각 요인이 관여하지 않는 데이터 세트 전체에 대해 요인 적재값의 가중치를 0으로 설정함으로써 그룹별 희박성을 적용한다.
• 요인, 적재값 및 초모수의 사후분포를 근사하기 위해 변분 베이지안 추론 기법을 사용하여 확장 가능한 추론을 가능하게 한다.
• 각 데이터 세트 내에서 PCA 기반 노이즈 모델을 적용하여 세트별 변동성을 명시적으로 반영함으로써, 요인이 상호 세트 간 종속성에 집중하도록 보장한다.
• 요인들이 특정 데이터 세트의 부분집합에서만 활성화되도록 유도하기 위해 그룹별 희박성 사전분포(Hierarchical Laplace 또는 스파이크-앤플랫)를 적용한다.
• 약물 반응 분석에서 정보가 많은 화학적 공간에 대한 사전 지식을 활용하기 위해, 화학적 뷰에서 요인의 가중치 노름을 기준으로 요인을 사전 정렬한다.

실험 결과

연구 질문

• RQ1 베이지안 요인 분석 모델이 다수의 데이터 세트 간에 공유 잠재 요인을 효과적으로 식별하면서도, 뷰별 변동성과 이를 구분할 수 있는가?
• RQ2 요인 적재값의 그룹별 희박성은 시뮬레이션 및 실세계 데이터에서 진짜로 존재하는 데이터 세트 간 종속성 구조를 얼마나 잘 복원하는가?
• RQ3 복잡한 다원천 데이터, 예를 들어 fMRI 및 약물 반응 데이터에서 생물학적이고 신경과학적으로 해석 가능한 요인을 얼마나 잘 드러내는가?
• RQ4 GFA를 통해 다수의 데이터 원천을 통합하면, 개별 뷰를 사용하는 것보다 약물 유사도 검색과 같은 후행 작업에서 성능이 향상되는가?

주요 결과

• 베이지안 GFA 모델은 fMRI 데이터에서 음악 및 가사 낭독 조건 모두에서 활성화되는 '말하기' 활동 패턴과 같은 일부 데이터 세트 집합 간에 공유되는 요인을 성공적으로 식별한다.
• 약물 반응 분석에서, 모든 세포 라인에 공통적으로 존재하는 요인은 세포 주기 정지 및 조혈세포 사멸과 관련된 강한 독성 효과와 상관관계가 있으며, 알려진 생물학적 메커니즘과 일치한다.
• 화학적 기술자와 한 세포 라인 간에 공유되는 요인은 염증 반응과 관련된 유전자를 활성화시키며, 이ブ로페논과 같은 NSAIDs에서 특히 활성도가 높다. 이는 기존 약리학 지식과 일치한다.
• 잠재 공간에서 GFA 기반의 약물 표현은 생물학적 또는 화학적 뷰 기반 표현보다 약물 유사도 검색에서 유의미하게 뛰어난 성능을 보이며, t-검정에서 p-value < 0.05를 기록한다.
• 시뮬레이션 데이터를 통한 검증에서, 대규모 수의 데이터 세트가 존재하더라도 모델은 정확한 희박성 구조를 탐지하는 데 높은 정확도를 보인다.
• 변분 추론 기법은 계산적으로 효율적이며, 수천 명의 샘플과 다수의 고차원 뷰를 포함한 데이터 세트에 대해 확장 가능한 성능을 보인다.