[논문 리뷰] High-dimensional Graphical Model Search with gRapHD R Package

Gabriel C. G. de Abreu, Rodrigo Labouriau외 1명|arXiv (Cornell University)|2009. 09. 07.

Data Visualization and Analytics참고 문헌 18인용 수 14

한 줄 요약

이 논문은 이산, 연속 또는 혼합 변수를 포함한 데이터에서 최적의 숲과 분해 가능 모델을 식별하기 위해 정보 기준량(AIC/BIC)을 사용하는 효율적인 고차원 그래픽 모델 선택을 위한 gRapHD R 패키지를 소개한다. 이는 대규모 네트워크에서 조건부 인적성 구조의 스케일러블한 추론을 가능하게 하며, 유전자 발현, SNP 및 형태학적 데이터에서 성능을 입증하였다. 시각화 및 복잡한 그래프의 구조 분석 기능을 지원한다.

ABSTRACT

This paper presents the R package gRapHD for efficient selection of high-dimensional undirected graphical models. The package provides tools for selecting trees, forests and decomposable models minimizing information criteria such as AIC or BIC, and for displaying the independence graphs of the models. It has also some useful tools for analysing graphical structures. It supports the use of discrete, continuous, or both types of variables simultaneously.

연구 동기 및 목표

• 많은 변수를 포함한 고차원 데이터에 대해 그래픽 모델을 피팅하는 데 발생하는 계산 및 통계적 과제를 해결하기 위해.
• 정보 기준량을 사용하여 최적의 무방향 그래픽 모델—특히 숲과 분해 가능 모델—을 효율적이고 확장 가능한 방법으로 선택하기 위해.
• 유전체학 및 시스템 생물학에서 흔한 고차원 환경에서 이산, 연속 또는 둘 다 포함된 혼합형 데이터를 지원하기 위해.
• 고차원 데이터에서 유도된 조건부 인적성 그래프의 시각화 및 구조 분석을 가능하게 하기 위해.
• 특히 희소 그래픽 모델에 대해 기존 방법들에 비해 계산적으로 효율적인 대안을 제공하기 위해.

제안 방법

• 패키지는 정보 기준량(AIC 또는 BIC)을 최소화하여 최적의 숲 모델을 찾기 위해 minForest 함수를 사용한다.
• stepw 함수는 동일한 기준에 따라 최적의 분해 가능 그래픽 모델을 단계적 검색으로 수행한다.
• 그래픽 모델은 간선이 조건부 의존성을 나타내는 무방향 그래프로 표현되며, 간선의 부재는 다른 변수를 조건으로 한 조건부 인적성을 의미한다.
• 적절한 지수족 분포와 조건부 인적성 구조를 사용하여 혼합형 데이터 유형을 지원한다.
• 그래프 시각화에 [14] 레이아웃 알고리즘을 적용하여 정점의 색상, 레이블링 및 하위 구조 강조를 사용자 정의할 수 있다.
• shortPath 및 구성 요소 탐지와 같은 구조 분석 기능은 그래프 내 최단 경로 및 연결된 구성 요소를 식별한다.

실험 결과

연구 질문

• RQ1 변수의 수가 표본 크기를 초과할 경우 고차원 그래픽 모델을 어떻게 효율적으로 선택할 수 있는가?
• RQ2 정보 기준량 기반 모델 선택(AIC/BIC)이 고차원 환경에서 희소 그래픽 모델을 식별하는 데 어떻게 성능을 발휘하는가?
• RQ3 연속형 및 이산형 변수를 모두 포함한 혼합형 데이터는 어떻게 무방향 그래픽 프레임워크 내에서 공동으로 모델링할 수 있는가?
• RQ4 실제 생물학적 데이터에서 고차원 조건부 인적성 그래프의 구조적 특성(예: 지름, 구성 요소 분포)은 무엇인가?
• RQ5 고차원성과 계산 제약 조건에도 불구하고 복잡한 그래픽 모델을 효과적으로 시각화하고 탐색하는 방법은 무엇인가?

주요 결과

• gRapHD 패키지는 1,545개의 프로브를 포함한 치주염 데이터에서 유전자 공발현 네트워크를 성공적으로 식별하였으며, 모델의 지름은 46이며 최장 최단 경로 길이는 26이었다.
• HapMap SNP 데이터(606개 SNP)에서는 다수의 연결된 구성 요소를 포함한 분해 가능 모델을 탐지하였으며, 가장 큰 구성 요소는 79개 정점으로 구성되었다.
• 패키지는 연속 측정값과 종 분류 간의 조건부 인적성 구조를 포괄하는 아이ris 데이터셋에서 혼합 그래픽 모델을 식별하였다.
• shortPath 기능은 치주염 네트워크에서 정점 670이 20개의 직접 이웃을 가지며 가장 먼 노드까지의 거리가 26임을 드러냈다.
• 시각화 기능을 통해 특정 노드와 이웃 영역을 효과적으로 강조할 수 있었으며, 예를 들어 정점 1,123과 670의 허브 및 각각의 10-이웃 영역을 빨간색과 파란색으로 강조 표시할 수 있었다.
• 패키지는 고차원 데이터에서의 확장성을 입증하였으며, 희소 모델의 경우 계산 성능가 유리하게 스케일링되었지만, 수치적 제약으로 65,000개의 변수 이하로 제한되었다.