[논문 리뷰] Principal Differences Analysis: Interpretable Characterization of Differences between Distributions

Jonas Mueller, Tommi Jaakkola|arXiv (Cornell University)|2015. 10. 30.

Single-cell and spatial transcriptomics참고 문헌 45인용 수 6

한 줄 요약

이 논문은 최적의 투영을 통해 워샤프스키 거리(Wasserstein divergence)를 최대화함으로써 해석 가능한 고차원 분포 간의 차이를 식별하기 위해 주성분 차이 분석(Principal Differences Analysis, PDA)과 그 희소 버전인 SPARDA를 제안한다. 이 방법은 비모수적 가정 없이 임의의 분포 차이를 탐지하며, 차이를 이끄는 핵심 특징을 특정할 수 있으며, 단일세포 RNA-seq 데이터에서 희소하고 복잡한 차이를 탐지하는 데 기존 방법들보다 뛰어난 성능을 보인다.

ABSTRACT

We introduce principal differences analysis (PDA) for analyzing differences between high-dimensional distributions. The method operates by finding the projection that maximizes the Wasserstein divergence between the resulting univariate populations. Relying on the Cramer-Wold device, it requires no assumptions about the form of the underlying distributions, nor the nature of their inter-class differences. A sparse variant of the method is introduced to identify features responsible for the differences. We provide algorithms for both the original minimax formulation as well as its semidefinite relaxation. In addition to deriving some convergence results, we illustrate how the approach may be applied to identify differences between cell populations in the somatosensory cortex and hippocampus as manifested by single cell RNA-seq. Our broader framework extends beyond the specific choice of Wasserstein divergence.

연구 동기 및 목표

• 고차원이고 쌍방이 아닌 확률 분포 간의 해석 가능한 비모수적 차이를 식별하는 데 도전하는 것.
• 모수적 형태를 가정하지 않고 평균이나 분산의 변화를 넘어서는 임의의 분포 차이를 탐지할 수 있는 방법을 개발하는 것.
• 분포의 차이를 일으키는 최소한의 특징 서브셋을 식별하여 복잡한 옴믹스 데이터에서 생물학적 해석 가능성을 높이는 것.
• 기존의 투영 기반 방법의 한계를 극복하기 위해 분류 성능이 아닌 거리 최대화를 위한 투영 방향을 최적화하는 것.
• 기본적인 두 표본 검정을 고차원적이고 탐색적인 설정으로 확장하여, 사전에 알려지지 않은 형태의 분포 차이를 탐지하는 것.

제안 방법

• PDA는 두 고차원 분포의 단변량 투영 βᵀX와 βᵀY 간의 워샤프스키 거리를 최대화하는 최적의 투영 방향 β를 식별한다.
• 이 방법은 Cramér-Wold 장치를 활용하여, P_X ≠ P_Y 이면 어떤 방향 β에서도 투영된 단변량 분포가 다름을 보장한다.
• 비볼록 최소최대 문제를 효율적으로 해결하기 위해 정수형 프로그래밍의 완화 기법을 사용한다.
• SPARDA는 β에 ℓ₁ 펜alty를 추가하여 희소성을 유도함으로써 분포의 차이를 일으키는 최소한의 특징 집합을 식별한다.
• 이 접근법은 워샤프스키 거리 외의 다른 확률 거리 분석에도 일반화 가능하여 다양한 응용에 적용 가능성이 있다.
• 유의성 평가를 위해 순열 검정을 사용하여 가설 검정에서 정확한 제1종 오류 통제를 보장한다.

실험 결과

연구 질문

• RQ1 두 고차원 쌍방이 아닌 집단 간의 최대 분포 차이를 가장 잘 반영하는 일차원 투영을 식별할 수 있는가?
• RQ2 어떤 최소한의 특징 서브셋이 복잡한 고차원 분포 간의 관측된 차이를 이끄는가?
• RQ3 DiProPerm, MMD, LDA와 같은 기존 방법들과 비교해 PDA와 SPARDA는 희소하거나 복잡한 분포 차이를 탐지하는 데 얼마나 우수한가?
• RQ4 SPARDA는 기존의 표준 차등 발현 분석에서 놓친 생물학적으로 관련된 유전자 발현 차이를 탐지할 수 있는가?
• RQ5 특히 몇 개의 특징만 다를 경우에도 고차원 환경에서 높은 통계적 검정력 유지를 할 수 있는가?

주요 결과

• SPARDA는 차원 수가 증가함에 따라 분포의 차이를 탐지하는 데 높은 통계적 검정력을 유지하며, 특히 차이가 희소한 경우에 뛰어난 성능을 보였다.
• d개의 총 특징 중 3개의 관련 특징이 있는 시뮬레이션 실험에서 SPARDA는 차원 수가 증가함에 따라도 높은 검정력을 유지하였으며, DiProPerm과 MMD를 능가하였다.
• 여러 λ 값에서 20개의 관련 특징 중 14개를 정확하게 식별하였고, 거짓 양성은 없었다. 교차 검증을 통해 46개의 비영 특징 중 17개의 관련 특징을 선택하였다.
• 마우스 체감성 피질과 해마의 단일세포 RNA-seq 데이터에서 SPARDA는 알려진 아형 특이 유전자를 탐지하였고, 기존의 표준 차등 발현 방법에서 놓친 신호전달 및 조절 상호작용에 관여하는 유전자도 드러내었다.
• 다중공선성이 존재하는 조건에서도 로지스틱 회귀, LDA, 자동 관련성 결정 기반 베이지안 SVM에 비해 SPARDA가 특징 복구 성능에서 뛰어났다.
• 정규화되지 않은 PDA는 DiProPerm보다 더 높은 검정력을 보였으며, 분류 성능이 아닌 거리 최대화를 위한 투영 방향 최적화의 이점이 확인되었다.