[논문 리뷰] Compositional Covariance Shrinkage and Regularised Partial Correlations

Suzanne Jin, Cédric Notredame외 1명|arXiv (Cornell University)|2022. 12. 01.

Geochemistry and Geologic Mapping인용 수 5

한 줄 요약

이 논문은 고차원·저표본 크기 설정에서 성분 데이터의 로그비율 공분산 행렬에 대한 새로운 수축 방법을 제안한다. 로그비율 상관 없음 성분을 특화된 목표로 사용하여 추정을 향상시킨다. 이 방법은 단위합 제약 조건으로 인한 편향을 줄여 부분상관계수 추정을 향상시키며, 시뮬레이션과 단세포 RNA-seq 데이터에서 표준 수축 방법보다 뛰어난 성능을 보인다.

ABSTRACT

We propose an estimation procedure for covariation in wide compositional data sets. For compositions, widely-used logratio variables are interdependent due to a common reference. Logratio uncorrelated compositions are linearly independent before the unit-sum constraint is imposed. We show how they are used to construct bespoke shrinkage targets for logratio covariance matrices and test a simple procedure for partial correlation estimates on both a simulated and a single-cell gene expression data set. For the underlying counts, different zero imputations are evaluated. The partial correlation induced by the closure is derived analytically. Data and code are available from GitHub.

연구 동기 및 목표

• 성분 데이터의 단위합 제약 조건으로 인한 공분산 및 부분상관계수 추정 편향을 해결한다.
• 로그비율 변환된 성분 데이터에 특화된 원칙적인 수축 절차를 개발하며, 로그비율 변수 간 독립성 가정을 피한다.
• 로그비율 상관 없음 성분을 수축 목표로 활용하여 부분상관계수 추정을 향상시켜, 성분 네트워크에서 직접 상호작용을 식별하는 데 기여한다.
• 합성 및 실제 단세포 유전자 발현 데이터를 기반으로 성능을 벤치마킹하여 표본 크기와 영점 보정 전략의 변화에 따른 성능을 검증한다.
• 유전체학 및 성분 데이터 분석에서 사용 가능한 계산 효율적이고 재현 가능한 구현을 제공한다.

제안 방법

• 로그비율 상관 없음(LU) 성분을 사용하여 로그비율 공분산 행렬의 수축 목표를 정의함으로써 성분 제약 조건과 구조적 일致성을 확보한다.
• 두 가지 등가된 접근 방식을 제안한다: (1) 로그비율 변환 이전에 기저 공분산 행렬을 수축하고, (2) LU 기반 목표를 사용하여 직접 로그비율 공분산 행렬을 수축한다; 단순성을 고려해 첫 번째 방식을 우선시한다.
• LU 공분산 행렬의 해석적 역행렬을 유도하여, 수치적 불안정성을 피하기 위해 수축 목표에서 직접 부분상관계수를 계산한다.
• 제임스-스타인 수축을 기저 공분산 행렬에 적용하여, 경험 공분산과 LU 목표의 볼록 조합을 사용해 분산을 줄인다.
• 합성 데이터와 재표본화된 단세포 RNA-seq 데이터에서 평균 제곱오차(MSE)를 사용해 성능을 평가하며, 다양한 영점 보정 방법을 고려한다.
• R 패키지의 `bShrink` 함수를 통해 구현하여 GitHub에 공개하여, `propr`와 같은 기존 도구와의 통합을 가능하게 한다.

실험 결과

연구 질문

• RQ1 로그비율 변환된 변수 간 내재된 상호의존성을 고려하여, 성분 데이터에 대한 공분산 수축을 어떻게 적응시킬 수 있는가?
• RQ2 로그비율 상관 없음 성분이 고차원 설정에서 로그비율 공분산 행렬의 최적 수축 목표로 기능할 수 있는가, 추정 정확도 향상에 기여하는가?
• RQ3 제안된 수축 방법이 부분상관계수 추정의 평균 제곱오차 측면에서 로그비율 공분산 행렬에 대한 난수 수축보다 어떻게 비교되는가?
• RQ4 다양한 영점 보정 전략이 단세포 유전자 발현 데이터에서 부분상관계수 추정 성능에 어떤 영향을 미치는가?
• RQ5 로그비율 상관 없음 성분에서 부분상관계수의 해석적 형태가 성분 네트워크에서 직접 상호작용의 해석에 얼마나 향상되는가?

주요 결과

• 제안된 기저 공분산 수축 방법은 특히 저표본 크기 영역(N=8에서 N=40)에서 난수 수축보다 로그비율 공분산 추정의 평균 제곱오차를 크게 감소시킨다.
• 단세포 유전자 발현 데이터에서, 모든 표본 크기(N=100에서 N=2500)에서 수축 없음 및 난수 수축보다 성능이 뛰어나며, 다양한 영점 보정 전략에서 MSE가 일관되게 향상된다.
• 로그비율 상관 없음 성분에서 부분상관계수의 해석적 표현은 단위합 제약 조건 하에서 올바른 조건부 독립성 구조를 유지함을 확인한다.
• LU 성분을 수축 목표로 사용함으로써, 고차원·희박한 성분 데이터에서 기존 방법보다 더 안정적이고 정확한 부분상관계수 추정이 가능해진다.
• 단세포 데이터에서 다양한 영점 보정 기법에 대해 성능이 유지되며, 박스플롯 비교를 통해 수축 방법의 강인성이 입증된다.
• `bShrink` 함수의 R 구현은 `propr` 패키지와 같은 기존 성분 데이터 워크플로우에 직접 통합 가능하여, 비율성과 부분상관계수 분석에 활용할 수 있다.