[논문 리뷰] Inference with Transposable Data: Modeling the Effects of Row and Column Correlations

Genevera I. Allen, Robert Tibshirani|arXiv (Cornell University)|2010. 04. 01.

Gene expression and cancer classification참고 문헌 18인용 수 4

한 줄 요약

이 논문은 전치 가능한 행렬 데이터에서 대규모 추론을 향상시키기 위해 전치 가능한 정규화된 공분산 추정을 사용하여 행과 열의 상관관계를 모델링하고 보정하는 방법을 제안한다. 추정된 행 및 열 공분산 행렬을 통해 데이터를 구형화함으로써, 적절한 근본 분포와 독립성을 복원하며, 이는 마이크로어레이 연구에서 통계적 검정력과 FDR(거짓 발견률) 추정의 향상에 크게 기여한다.

ABSTRACT

We consider the problem of large-scale inference on the row or column variables of data in the form of a matrix. Often this data is transposable, meaning that both the row variables and column variables are of potential interest. An example of this scenario is detecting significant genes in microarrays when the samples or arrays may be dependent due to underlying relationships. We study the effect of both row and column correlations on commonly used test-statistics, null distributions, and multiple testing procedures, by explicitly modeling the covariances with the matrix-variate normal distribution. Using this model, we give both theoretical and simulation results revealing the problems associated with using standard statistical methodology on transposable data. We solve these problems by estimating the row and column covariances simultaneously, with transposable regularized covariance models, and de-correlating or sphering the data as a pre-processing step. Under reasonable assumptions, our method gives test statistics that follow the scaled theoretical null distribution and are approximately independent. Simulations based on various models with structured and observed covariances from real microarray data reveal that our method offers substantial improvements in two areas: 1) increased statistical power and 2) correct estimation of false discovery rates.

연구 동기 및 목표

• 행과 열이 상관관계가 있는 전치 가능한 행렬 데이터에 표준 통계적 방법을 적용할 때 발생하는 한계를 해결하기 위해.
• 특히 마이크로어레이 연구에서 대규모 추론에 있어 행과 열의 상관관계를 모델링하고 보정하기 위해.
• 의존성 구조 하에서 검정 통계량과 근본 분포의 정확도를 향상시키기 위해.
• 고차원적이고 상관관계가 있는 데이터에서 통계적 검정력을 향상시키고, 거짓 발견률의 정확한 추정을 가능하게 하기 위해.
• 강건한 추론을 위한 실용적인 사전처리 방법—전치 가능한 정규화된 공분산 추정을 통한 구형화—를 개발하기 위해.

제안 방법

• 행과 열의 상관관계를 명시적으로 반영하기 위해 평균 제약이 있는 행렬 변수 정규분포를 사용하여 데이터를 모델링한다.
• 전치 가능한 정규화된 공분산 모델을 사용하여 행 및 열 공분산 행렬을 동시에 추정한다.
• 추정된 행 공분산의 역행렬 제곱근을 앞서 곱하고, 추정된 열 공분산의 역행렬 제곱근을 뒤에 곱하여 데이터의 상관관계를 제거하는 구형화 변환을 적용한다.
• 변환된 데이터를 사용하여 이론적 근본 분포를 따르고, 약간의 독립성을 가지는 검정 통계량을 계산한다.
• 행렬 변수 정규분포의 특성 함수를 활용하여 귀무가설 하에서 검정 통계량의 渐近 분포를 유도한다.
• 시뮬레이션과 실제 마이크로어레이 데이터를 통해 방법의 성능을 검증하고, 기존 표준 방법과의 비교를 수행한다.

실험 결과

연구 질문

• RQ1 행과 열의 상관관계는 전치 가능한 데이터에서 표준 검정 통계량의 근본 분포와 통계적 검정력에 어떻게 영향을 미치는가?
• RQ2 행과 열의 상관관계를 忽略할 경우 다중 검정 절차와 거짓 발견률 추정에 어떤 영향을 미치는가?
• RQ3 행과 열 공분산을 동시에 추정하는 것이 검정 통계량과 근본 분포의 타당성을 향상시킬 수 있는가?
• RQ4 추정된 공분산을 기반으로 데이터를 구형화함으로써 얼마나 잘 독립성과 적절한 척도화가 복원되는가?
• RQ5 실제 마이크로어레이 데이터에서 제안된 방법은 표준 방법에 비해 통계적 검정력과 FDR 추정 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 방법은 복잡한 상관관계 구조 하에서도 검정 통계량이 이론적 근본 분포를 따르도록 복원한다.
• 구형화된 데이터에서 유도된 검정 통계량은 약간의 독립성을 가지며, 유효한 다중 검정 보정이 가능하다.
• 시뮬레이션 결과에서 상관관계를 忽略하는 기존 방법에 비해 통계적 검정력이 크게 향상됨을 확인하였다.
• 특히 상관관계가 강할 경우, 제안된 방법 하에서 거짓 발견률 추정이 훨씬 정확해진다.
• Cardio 및 Leukemia 데이터셋을 포함한 실제 마이크로어레이 데이터에서 기존 방법보다 성능이 뛰어나며, t-통계량의 과도한 분산을 보정함으로써 성능 향상을 달성하였다.
• 이론적 분석을 통해 귀무가설 하에서 변환된 검정 통계량이 스케일링된 t-분포를 따르며, 스케일링 요소는 추정된 공분산 구조에 따라 달라진다는 것이 확인되었다.