[논문 리뷰] Searching for consistent associations with a multi-environment knockoff filter

Shuangning Li, Matteo Sesia외 3명|arXiv (Cornell University)|2021. 06. 08.

Genetic Associations and Epidemiology참고 문헌 92인용 수 7

한 줄 요약

이 논문은 다양한 데이터 환경에서 일관되게 반복되는 조건부 연관성을 식별하고, 거짓 발견률을 통제하기 위해 다중 환경 침략자 필터를 제안한다. 모델-X 침략자 기반으로, 이는 특히 측정되지 않은 유전자 변이로 인한 혼동을 줄이기 위해 유전체 전역 연관성 연구에서 매우 유용한 강건하고 재현 가능한 연관성을 탐지한다.

ABSTRACT

This paper develops a method based on model-X knockoffs to find conditional associations that are consistent across diverse environments, controlling the false discovery rate. The motivation for this problem is that large data sets may contain numerous associations that are statistically significant and yet misleading, as they are induced by confounders or sampling imperfections. However, associations consistently replicated under different conditions may be more interesting. In fact, consistency sometimes provably leads to valid causal inferences even if conditional associations do not. While the proposed method is flexible and can be deployed in a wide range of applications, this paper highlights its relevance to genome-wide association studies, in which consistency across populations with diverse ancestries mitigates confounding due to unmeasured variants. The effectiveness of this approach is demonstrated by simulations and applications to the UK Biobank data.

연구 동기 및 목표

• 고차원 데이터에서 전통적인 조건부 검정의 한계, 즉 측정되지 않은 혼동 요인, 표본 추출 편향, 숨겨진 의존성 등의 문제를 해결하기 위해.
• 다양한 환경에서 일관되게 반복되는 조건부 연관성을 식별하는 방법을 개발하여 신뢰성과 과학적 타당성을 향상시키기 위해.
• 예측 변수 간 의존성이 존재하고 모델 가정이 위반될 수 있는 고차원 설정에서 거짓 발견률을 통제하기 위해.
• 다양한 유전자적 배경을 가진 인구 집단 간의 일관성을 활용하여 유전체 전역 연관성 연구에서 더 강건한 추론을 가능하게 하기 위해.
• 기본 조건부 검정이 혼동 또는 선택 편향으로 인해 실패할 경우에도 인과 추론을 지원할 수 있는 실용적이고 계산적으로 효율적인 프레임워크를 제공하기 위해.

제안 방법

• 각 환경 내에서 예측 변수의 연합분포를 유지하는 침략자 변수를 구성함으로써 모델-X 침략자 프레임워크를 다중 환경에 적용한다.
• 모든 환경에서 일관되게 존재하는 연관성을 탐지하기 위해 환경 간의 증거를 집계하는 글로벌 검정 통계량을 사용한다.
• 약한 의존성 가정 하에 모든 테스트된 연관성에 대해 거짓 발견률을 통제하기 위해 선택적 SeqStep+ 절차를 활용한다.
• 거짓 발견률 통제를 유지하면서도 다양한 환경에서의 p-값을 순차적으로 조합함으로써 검정력을 향상시키기 위해 누적 검정을 도입한다.
• 예측 변수의 연합분포가 알려져 있거나 잘 근사되어 있다는 가정에 기반한다—이러한 가정은 유전 연구에서 유전적 상속 패턴이 알려져 있어 흔히 충족된다.
• 각 환경이 별개의 하위집단, 실험 조건, 또는 데이터 수집 전략에 해당하는 다중 환경 맥락에서 침략자 필터링을 적용한다.

실험 결과

연구 질문

• RQ1 측정되지 않은 혼동 요인이 존재하는 상황에서도, 여러 환경에서 일관된 조건부 연관성이 인과 관계의 대체 지표로 기능할 수 있는가?
• RQ2 다양한 환경에서 수집된 고차원 데이터에서 조건부 연관성을 검정할 때, 거짓 발견률을 어떻게 통제할 수 있는가?
• RQ3 다양한 인구 집단 간의 일관성이 유전체 전역 연관성 연구에서 측정되지 않은 유전자 변이로 인한 혼동을 어느 정도 감소시키는가?
• RQ4 침략자 기반 방법은 표본 추출 편향이나 네트워크 효과로 인해 기존 조건부 검정에서 놓치는 강건한 연관성을 탐지할 수 있는가?
• RQ5 실제 시뮬레이션 및 실제 데이터 설정에서 기존 방법과 비교해 본 결과, 제안된 방법은 검정력과 거짓 발견률 통제 측면에서 어떻게 성능을 발휘하는가?

주요 결과

• 강한 예측 변수 간 의존성과 약한 형태의 환경 간 의존성 조건 하에서도, 모든 테스트된 연관성에 대해 거짓 발견률을 성공적으로 통제하였다.
• 시뮬레이션 결과, 환경 수가 충분히 많을 경우(예: 41개 또는 81개 환경), 다중 환경 침략자 필터는 실제로 일관된 연관성을 탐지하는 데 100%의 검정력을 확보하였다.
• 영국 생물은행 데이터에서, 이 방법은 알려진 키 관련 SNP 48개 중 48개(100% 재현율)와 체질량지수 관련 SNP 103개 중 103개(100% 재현율)를 탐지하였으며, 거짓 발견률 통제된 발견률을 확보하였다.
• 혈소판 수치에 대해선 알려진 관련 SNP 119개 중 119개(100% 재현율)를 탐지하여 실제 유전체 데이터에서 높은 민감도와 특이도를 보였다.
• 특히 인구 구조로 인한 혼동이 존재할 경우, 단일 환경 기반 침략자 필터보다 검정력과 거짓 발견률 통제 측면에서 뛰어난 성능을 보였다.
• 누적 검정과 선택적 SeqStep+는 약한 형태의 의존성 하에서도 타당성이 입증되어, 독립된 환경을 넘어서도 적용 가능성을 넓혔다.