[논문 리뷰] Nonparametric Bayesian Deconvolution of a Symmetric Unimodal Density

Ya Su, Anirban Bhattacharya외 3명|arXiv (Cornell University)|2020. 02. 17.

Gene expression and cancer classification참고 문헌 31인용 수 4

한 줄 요약

이 논문은 이방성 측정 오차 데이터에서 대칭적이고 단모드인 밀도를 추정하기 위한 비모수 베이지안 탈분해 방법을 제안한다. 이 방법은 대칭 균일 성분의 혼합 밀도를 모델링하기 위해 디리클레 과정 혼합의 감마 분포를 활용하며, 형태 제약 조건이 유지되도록 한다. 시뮬레이션 및 실제 GWAS/마이크로어레이 데이터에서 표준 커널 탈분해보다 뛰어난 정확도를 보이며, 일관된 추정과 확장 가능한 계산을 제공한다.

ABSTRACT

We consider nonparametric measurement error density deconvolution subject to heteroscedastic measurement errors as well as symmetry about zero and shape constraints, in particular unimodality. The problem is motivated by applications where the observed data are estimated effect sizes from regressions on multiple factors, where the target is the distribution of the true effect sizes. We exploit the fact that any symmetric and unimodal density can be expressed as a mixture of symmetric uniform densities, and model the mixing density in a new way using a Dirichlet process location-mixture of Gamma distributions. We do the computations within a Bayesian context, describe a simple scalable implementation that is linear in the sample size, and show that the estimate of the unknown target density is consistent. Within our application context of regression effect sizes, the target density is likely to have a large probability near zero (the near null effects) coupled with a heavy-tailed distribution (the actual effects). Simulations show that unlike standard deconvolution methods, our Constrained Bayesian Deconvolution method does a much better job of reconstruction of the target density. Applications to a genome-wise association study (GWAS) and microarray data reveal similar results.

연구 동기 및 목표

• 유전체 연관 연구(GWAS) 및 마이크로어레이 데이터에서 관측된 효과 크기 값이 측정 오차에 의해 오염된 진짜 효과 크기 분포를 추정하기 위해.
• 생물학적으로 타당한 효과 크기 분포의 특성인 0을 중심으로 대칭이고 단모드임을 반영하기 위해 탈분해된 밀도에 형태 제약 조건(대칭성 및 단모드성)을 적용하기 위해.
• 고처리량 생물학적 데이터에서 흔히 발생하는 이방성 측정 오차를 다루기 위해, SNP나 유전자 간 오차 분산이 달라지는 상황을 고려하기 위해.
• 형태 제약 조건을 유지하면서도 일관된 추정이 가능한 확장 가능한 베이지안 방법을 개발하기 위해.
• 예리한 피크가 0 근처에 있고 꼬리가 두꺼운 밀도를 재구성하는 데 있어 표준 비모수 탈분해 방법보다 성능을 뛰어나게 하기 위해.

제안 방법

• 대칭적이고 단모드인 밀도를 Feller(1971)의 알려진 표현 정리에 기반해 대칭 균일 밀도의 혼합으로 표현한다.
• 매끄럽고 밀도 공간 전역에 넓은 지지를 가지는 특성을 확보하기 위해 혼합 밀도를 디리클레 과정 혼합의 감마 분포로 모델링한다.
• 표본 크기에 비례하는 선형 시간 복잡도를 가지는 확장 가능한 게비스 샘플러를 구현하여 대규모 데이터셋에서도 효율적인 추론을 가능하게 한다.
• GWAS에서 SNP의 이mpuTation 품질이 다를 수 있으므로, 각 관측치의 오차 분산 σi²를 개별적으로 변화시킬 수 있도록 이방성 측정 오차를 통합한다.
• 형태 제약 조건을 사전에 유지하기 위해 혼합 분포와 목표 밀도를 동시에 추정하는 비모수 베이지안 프레임워크를 사용한다.
• 유연성을 확보하면서도 결과 밀도가 대칭적이고 단모드가 되도록 하기 위해 혼합 측도에 비모수 사전 분포를 적용한다.

실험 결과

연구 질문

• RQ1 측정 오차가 이방성일 경우, 비모수 베이지안 탈분해 방법이 대칭적이고 단모드인 밀도를 효과적으로 재구성할 수 있는가?
• RQ2 형태 제약 조건(대칭성 및 단모드성)을 통합할 경우, 제약 없는 방법에 비해 탈분해 정확도에 어떤 영향을 미치는가?
• RQ3 예리한 피크가 0 근처에 있고 꼬리가 두꺼운 효과 크기 분포를 추정하는 데 있어 제안된 방법이 표준 커널 탈분해보다 뛰어나게 성능을 발휘하는가?
• RQ4 정규성 조건 하에서 진짜 밀도가 모델의 지지 집합에 포함되지 않더라도 제안된 방법이 일관성을 유지하는가?
• RQ5 GWAS에서 수만 개의 SNP를 포함하는 대규모 유전체 분석에 대해 이 방법이 효율적으로 확장 가능한가?

주요 결과

• 동분산 설정에서는 표본 크기 n=1000일 때, 제약 조건이 있는 베이지안 방법이 커널 방법보다 통합 절대 오차(IAE)가 46.8% 낮았으며, IAE는 각각 0.730과 1.069였다.
• n=15000일 때, 제약 조건이 있는 베이지안 방법은 IAE를 0.474로 줄였고, 커널 방법은 약 1.000을 유지하여 강력한 수렴성과 정확도를 보였다.
• 이방성 설정에서는 n=15000일 때, 커널 방법의 IAE 1.175에서 제약 조건이 있는 베이지안 방법은 0.532로 감소하여 다양한 오차 분산에 대한 강건성을 입증했다.
• 초과 확률 오차는 제약 조건이 있는 베이지안 방법이 항상 낮았으며, 이방성 설정에서 n=15000일 때 0.159로 측정되었고, 커널 방법은 0.469였다.
• 모의 및 실제 GWAS 데이터에서 모두, 진짜 밀도의 0 근처에 예리한 피크와 두꺼운 꼬리 성질을 성공적으로 포착했다.
• 제안된 게비스 샘플러는 선형 시간 계산을 가능하게 하여 대규모 유전체 분석 응용 분야에서 실용적인 방법이 되었다.