[논문 리뷰] Gene Network Reconstruction using Global-Local Shrinkage Priors

Gwenaël G. R. Leday, Mathisca C. M. de Gunst외 4명|arXiv (Cornell University)|2015. 10. 13.

Gene expression and cancer classification참고 문헌 35인용 수 2

한 줄 요약

이 논문은 전사량 조절 네트워크 복원을 위해 전역-국소 수축 사전분포를 갖는 베이지안 동시방정식 모델을 제안한다. 공액 사전분포와 변분 추론을 사용하여 조정 없이도 빠르고 안정적인 추정이 가능하다. 전역 수축을 통해 국소 정규화 파라미터의 강도를 공유함으로써 간선 탐지 정확도와 재현 가능성을 향상시키며, 시뮬레이션과 실제 데이터에서 흩어진 방법들보다 우수한 성능을 보인다.

ABSTRACT

Reconstructing a gene network from high-throughput molecular data is often a challenging task, as the number of parameters to estimate easily is much larger than the sample size. A conventional remedy is to regularize or penalize the model likelihood. In network models, this is often done locally in the neighbourhood of each node or gene. However, estimation of the many regularization parameters is often difficult and can result in large statistical uncertainties. In this paper we propose to combine local regularization with global shrinkage of the regularization parameters to borrow strength between genes and improve inference. We employ a simple Bayesian model with non-sparse, conjugate priors to facilitate the use of fast variational approximations to posteriors. We discuss empirical Bayes estimation of hyper-parameters of the priors, and propose a novel approach to rank-based posterior thresholding. Using extensive model- and data-based simulations, we demonstrate that the proposed inference strategy outperforms popular (sparse) methods, yields more stable edges, and is more reproducible.

연구 동기 및 목표

• 표본 수를 초월하는 파라미터 수를 가진 고차원 전사량 조절 네트워크 추론 문제를 해결하기 위해.
• 국소 정규화와 전역 수축을 조합하여 추정의 안정성과 재현 가능성을 향상시키기 위해.
• 초파rameter 조정을 위한 재표본 또는 교차검증이 필요 없는 계산 효율성이 높은 방법을 개발하기 위해.
• 새로운 순위 기반 사후 임계치 설정 방법을 사용하여 가우시안 그래픽 모델에서 강인한 간선 선택을 가능하게 하기 위해.

제안 방법

• 각 유전자의 회귀를 나머지 모든 유전자들에 대해 수행하는 동시방정식 모델(Sem)을 사용하여 네트워크 복원 문제를 변수 선택 문제로 재정의한다.
• 빠른 변분 사후 근사화를 가능하게 하기 위해 비희박한 공액 사전분포(예: 노멀-가우시안)를 적용한다.
• 전역-국소 수축 사전분포를 구현: 각 유전자별 국소 수축과 유전자 간 전역 수축을 통해 강도를 공유한다.
• 변분 EM 유사 알고리즘을 통해 초파rameter의 엠퍼리컬 베이지안 추정을 수행한다.
• 전체 사후 추정 후 간선 선택을 위해 새로운 순위 기반 사후 임계치 설정 방법을 도입한다.
• 계산을 가속화하고 확장 가능성을 보장하기 위해 SVD 분해를 활용한다.

실험 결과

연구 질문

• RQ1 국소 정규화 파라미터의 전역 수축이 전사량 네트워크에서 간선 탐지의 안정성과 재현 가능성 향상에 기여하는가?
• RQ2 전역 수축과 국소 수축을 조합하면 고차원 환경에서 표준 흩어진 방법보다 더 우수한 성능을 낼 수 있는가?
• RQ3 공액 사전분포를 갖는 완전한 베이지안 접근법이 교차검증이나 재표본이 없이도 경쟁 가능한 성능을 달성할 수 있는가?
• RQ4 제안된 순위 기반 임계치 설정 방법은 간선 복원에서 전통적인 희박성 유도 페널티와 비교해 어떻게 성능을 냅니다?

주요 결과

• 낮은, 중간, 높은 차원의 시뮬레이션 설정 전반에서, 그래픽 라소 등 유명한 흩어진 방법들보다 간선 탐지 정확도에서 본 논문의 방법이 뛰어난 성능을 보였다.
• 전역 수축으로 인한 추정 불확실성 감소 덕분에 특히 실제 데이터 응용에서 더 안정적이고 재현 가능한 네트워크 구조를 도출하였다.
• 변분 EM 알고리즘을 통한 초파라미터의 엠퍼리컬 베이지안 추정이 교차검증이나 재표본에 의존하지 않고도 효율적인 계산을 가능하게 하였다.
• 순위 기반 사후 임계치 설정 방법은 사전 단계에서 희박성을 강제하지 않음으로써 민첩성과 성능을 향상시키며 관련 간선을 성공적으로 식별하였다.
• SVD 기반 근사화와 공액 사전분포를 활용하여 계산 효율성이 유지되어 중간 규모의 전사량 네트워크에 대한 확장성 확보가 가능했다.