[논문 리뷰] Knockoffs with Side Information

Zhimei Ren, Emmanuel J. Candès|arXiv (Cornell University)|2020. 01. 22.

Statistical Methods in Clinical Trials참고 문헌 43인용 수 7

한 줄 요약

이 논문은 외부 지식—예를 들어 관련 연구에서의 사전 p-값—을 활용하여 고차원 데이터에서 변수 선택을 향상시키는 측면 정보를 고려한 적응형 노크오프를 소개한다. 이는 거짓 발견률(FDR)을 엄격히 통제하면서도 탐지 능력을 향상시킨다. 이는 측면 정보를 기반으로 특징을 적응적으로 우선순위를 정함으로써 노크오프 프레임워크를 확장한 것으로, 유전성 연관 연구에서 뛰어난 성능을 보이며, HDL 및 LDL 특성에 대해 평균 12.5개와 18.3개의 발견을 각각 기록하여 이전 방법들을 능가한다.

ABSTRACT

We consider the problem of assessing the importance of multiple variables or factors from a dataset when side information is available. In principle, using side information can allow the statistician to pay attention to variables with a greater potential, which in turn, may lead to more discoveries. We introduce an adaptive knockoff filter, which generalizes the knockoff procedure (Barber and Candès, 2015; Candès et al., 2018) in that it uses both the data at hand and side information to adaptively order the variables under study and focus on those that are most promising. Adaptive knockoffs controls the finite-sample false discovery rate (FDR) and we demonstrate its power by comparing it with other structured multiple testing methods. We also apply our methodology to real genetic data in order to find associations between genetic variants and various phenotypes such as Crohn's disease and lipid levels. Here, adaptive knockoffs makes more discoveries than reported in previous studies on the same datasets.

연구 동기 및 목표

• 측면 정보를 통합함으로써 다중 검정에서 통계적 검정력을 향상시키되, FDR 통제를 훼손하지 않는 방법을 개발하는 것.
• 노크오프 필터 프레임워크를 확장하여 외부 증거(예: 이전 연구의 p-값)를 기반으로 변수에 적응적인 가중치를 적용할 수 있도록 하는 것.
• 유사한 집단에서의 측면 정보를 활용하여 생물학적으로 유망한 변이에 집중함으로써 전장 연관 연구(GWAS)에서 더 많은 발견을 가능하게 하는 것.
• p-값이 잘못 지정되거나 모형 가정이 위반되더라도 유한 표본에서의 FDR 통제를 유지하는 것.

제안 방법

• 측변수의 공동 분포와 측면 정보를 고려한 데이터 기반 공분산 구조를 사용하여 노크오프 변수를 생성한다.
• 이전 연구의 외부 p-값을 기반으로 특징을 순위 매기며, 이를 선택 과정을 안내하는 측면 정보로 사용한다.
• 지역 FDR를 추정하기 위해 베이지안 이중군 모델을 사용하여 특징 통계량의 적응적 임계값을 설정한다.
• 특징 중요도는 원본 변수와 노크오프 변수 간의 라소 계수 차이를 통해 측정되며, $ W_j = |\hat{\beta}_j| - |\hat{\tilde{\beta}}_j| $ 로 표현된다.
• 안정성을 확보하기 위해 각 데이터셋당 50개의 노크오프 실현을 생성하며, FDR이 $ q = 0.1 $ 수준에서 통제된 평균 발견 수를 보고한다.
• 초기화 단계에서 임계값 규칙을 사용하여 중요도가 낮은 특징을 드러내어 효율성을 향상시키고 노이즈를 감소시킨다.

실험 결과

연구 질문

• RQ1 이전 연구에서의 측면 정보를 활용하여 다중 검정에서 통계적 검정력을 향상시킬 수 있는가? 이때 거짓 발견률(FDR)이 증가하지는 않는가?
• RQ2 노크오프 절차를 어떻게 일반화하여 관련 집단의 p-값과 같은 외부 지식을 통합할 수 있는가?
• RQ3 측면 정보를 기반으로 특징에 적응적인 가중치를 적용하면, 표준 노크오프나 단일 검정 대비 GWAS에서 더 많은 발견을 이끌 수 있는가?
• RQ4 p-값이 완벽하게 校정되지 않았더라도, 이 방법이 여전히 유한 표본에서 FDR 통제를 유지할 수 있는가?

주요 결과

• NFBC 데이터셋에서 적응형 노크오프는 HDL에 대해 평균 12.5개, LDL에 대해 평균 18.3개의 SNP를 발견하여, HMM 노크오프(8개 및 9.8개 발견)와 사바티 등(5개 및 6개 발견)을 뛰어넘었다.
• 기존의 노크오프 기반 및 단일 검정 방법보다 높은 검정력을 확보하면서도 목표 수준인 0.1에서 엄격한 FDR 통제를 유지했다.
• 측면 정보—특히 다른 집단의 p-값—의 사용 덕분에 크론병 및 지질 특성에서 이전에 발견되지 않은 연관성을 특정할 수 있었다.
• 사용된 p-값의 정확성 여부에 관계없이 FDR 통제가 유지되어 모형 오지정에 대한 강건성을 확보했다.
• 50개의 노크오프 실현 동안 안정성이 입증되었으며, 일관된 발견 비율과 낮은 결과 변동성을 보였다.