[논문 리뷰] Correcting Nuisance Variation using Wasserstein Distance

Gil Tabak, Minjie Fan외 3명|arXiv (Cornell University)|2017. 11. 02.

Cell Image Analysis Techniques참고 문헌 27인용 수 3

한 줄 요약

이 논문은 실험적 도메인 간 분포 임베딩 간 워샤르스키 거리 최소화를 통해 이미지 임베딩에서 부정적 변동을 보정하는 새로운 프레임워크를 제안한다. 생물학적 신호를 유지하면서 배치 효과를 줄이며, 가우시안 분포를 가정하지 않고도 k-NN MOA 할당 및 실루엣 점수 향상을 통해 후속 표현형 프로파일링을 향상시킨다.

ABSTRACT

Profiling cellular phenotypes from microscopic imaging can provide meaningful biological information resulting from various factors affecting the cells. One motivating application is drug development: morphological cell features can be captured from images, from which similarities between different drug compounds applied at different doses can be quantified. The general approach is to find a function mapping the images to an embedding space of manageable dimensionality whose geometry captures relevant features of the input images. An important known issue for such methods is separating relevant biological signal from nuisance variation. For example, the embedding vectors tend to be more correlated for cells that were cultured and imaged during the same week than for those from different weeks, despite having identical drug compounds applied in both cases. In this case, the particular batch in which a set of experiments were conducted constitutes the domain of the data; an ideal set of image embeddings should contain only the relevant biological information (e.g. drug effects). We develop a general framework for adjusting the image embeddings in order to `forget' domain-specific information while preserving relevant biological information. To achieve this, we minimize a loss function based on distances between marginal distributions (such as the Wasserstein distance) of embeddings across domains for each replicated treatment. For the dataset we present results with, the only replicated treatment happens to be the negative control treatment, for which we do not expect any treatment-induced cell morphology changes. We find that for our transformed embeddings (i) the underlying geometric structure is not only preserved but the embeddings also carry improved biological signal; and (ii) less domain-specific information is present.

연구 동기 및 목표

• 배양 조건 또는 영상 촬영 세션의 차이와 같은 실험적 배치 효과로 인해 발생하는 이미지 임베딩의 부정적 변동을 해결하기 위해.
• 도메인 특화된 잡음은 제거하면서 관련 생물학적 신호를 유지하는 도메인 불변 임베딩 변환을 개발하기 위해.
• 임베딩이 실험적 변동이 아닌 생물학적 치료 효과를 반영하도록 보장하여 약물 화합물의 더 정확한 표현형 프로파일링을 가능하게 하기 위해.
• 가우시안 분포를 가정하지 않는 기존 배치 보정 방법의 비모수적 대안을 제공하기 위해.
• 가용한 경우, 음성 대조군을 초월하여 여러 도메인 간 다수의 치료 복제를 활용하여 보다 넓은 범위로 보정을 확장하기 위해.

제안 방법

• 이 방법은 서로 다른 실험적 도메인 간 임베딩의 주변 분포를 정렬하기 위해 도메인별 변환 $ A_d $ 를 학습하는 최소-최대 최적화 프레임워크를 사용한다.
• 손실 함수는 동일한 치료에 대해 서로 다른 도메인에서의 임베딩 분포 간 워샤르스키 거리에 기반하며, 도메인 불변성을 촉진한다.
• 워샤르스키 거리는 신경망을 사용하여 근사화되어, 일반적이고 비가우시안 분포를 가진 임베딩을 처리할 수 있다.
• 프레임워크는 도메인 특화된 분포 차이를 최소화하면서도 임베딩 공간의 기하학적 구조를 유지하도록 훈련된다.
• 이 방법은 음성 대조군에서 학습된 변환을 다른 치료에 일반화할 수 있다고 암묵적으로 가정하지만, 다수의 치료 복제를 활용하는 데에도 확장 가능하다.
• 임베딩 붕괴를 방지하기 위해 정규화 또는 조기 종료 기법을 사용하여 생물학적으로 의미 있는 신호 간 분리가 유지되도록 한다.

실험 결과

연구 질문

• RQ1 워샤르스키 거리는 생물학적 신호를 유지하면서도 실험적 도메인 간 이미지 임베딩을 효과적으로 정렬하는 데에 유용한가?
• RQ2 제안된 방법은 약물 작용 기전(MOA) 예측과 같은 표현형 프로파일링 작업의 정확도를 향상시키는가?
• RQ3 임베딩 기하학적 구조 유지 및 도메인 특화 변동 감소 측면에서 기존의 보조 보정 기법과 비교해 성능가능한가?
• RQ4 프레임워크는 음성 대조군을 초월하여 다수의 치료 복제를 활용하여 일반화될 수 있는가?
• RQ5 더 복잡한 변환 함수나 대안적 손실 공식화를 사용할 경우 성능에 어떤 영향을 미치는가?

주요 결과

• 변환된 임베딩은 원래 임베딩 공간의 기하학적 구조를 유지하며, 안정적인 k-NN MOA 할당 지표로 확인되었다.
• 보정 후 실루엣 점수가 향상되어 생물학적으로 유사한 치료제 간 클러스터링이 더 잘 이루어졌다.
• 이 방법은 도메인 특화된 변동을 성공적으로 감소시켜, 동일한 치료에 대해 서로 다른 배치에서의 임베딩 간 유사도가 높아졌다.
• 이 방법은 가우시안 분포 형태를 가정하지 않아 복잡한 실제 생물학적 데이터에 적합하다.
• 기본 정규화 및 기존의 보조 보정 방법과 비교해 생물학적 신호 유지 능력에서 향상된 성능을 보였다.
• 현재 구현은 정렬을 위해 음성 대조군에 의존하지만, 향후 응용에서 다수의 치료 복제를 활용할 수 있도록 확장 가능성이 있다.