[논문 리뷰] Selection Bias Correction and Eect Size Estimation under Dependence

Kean Ming Tan, Noah Simon외 1명|arXiv (Cornell University)|2014. 05. 16.

Statistical Methods and Inference참고 문헌 24인용 수 3

한 줄 요약

이 논문은 대규모 가설 검정에서 흔히 가정되는 검정 통계량 간의 상관성 없음을 전제로 하지 않고, 효과 크기 추정에서 선택 편향을 보정하는 최빈추정법을 제안한다. 시뮬레이션과 실제 유전자 발현 데이터에서, 특히 상관성이 있는 경우 기존 방법보다 정확도가 향상되며, 선택 유도 편향을 보정하기 위해 조건부 기대값 프레임워크를 활용한다.

ABSTRACT

We consider large-scale studies in which it is of interest to test a very large number of hypotheses, and then to estimate the eect sizes corresponding to the rejected hypotheses. For instance, this setting arises in the analysis of gene expression or DNA sequencing data. However, naive estimates of the eect sizes suer from selection bias, i.e., some of the largest naive estimates are large due to chance alone. Many authors have proposed methods to reduce the eects of selection bias under the assumption that the naive estimates of the eect sizes are independent. Unfortunately, when the eect size estimates are dependent, these existing techniques can have very poor performance, and in practice there will often be dependence. We propose an estimator that adjusts for selection bias under a recently-proposed frequentist framework, without the independence assumption. We study some properties of the proposed estimator, and illustrate that it outperforms past proposals in a simulation study and on two gene expression data sets.

연구 동기 및 목표

• 유전체학 및 고 throughput 데이터 분석에서 흔한 대규모 가설 검정에서 효과 크기 추정의 선택 편향 문제를 다루는 것.
• 기존 편향 보정 방법이 효과 크기 추정 간의 독립성을 가정하는 데서 비롯하는 한계를 극복하는 것.
• 효과 크기 추정에 대해 의존성 구조를 고려한 최빈추정 프레임워크를 개발하여 강력한 분포 가정이 필요로 하지 않는 것.
• 특히 선택 편향이 낮은 추정치를 과대평가하는 경우에, 기각된 가설에 대한 효과 크기 추정의 정확도를 향상시키는 것.

제안 방법

• 선택 사건에 조건을 두는 최빈추정 프레임워크를 기반으로 한 선택 편향 보정 방법을 제안하여, 더 큰 효과 크기 추정치가 더 많이 선택될 가능성이 있음을 보정하는 것.
• 의존성 하에서 검정 통계량의 공동 분포를 고려하여 진짜 효과 크기를 추정하기 위해 조건부 기대값 접근법을 사용하는 것.
• 다변량 정규 근사법을 사용해 효과 크기 추정치 간의 의존성 구조를 모델링하여, 상관성이 있는 경우에도 보정이 가능하도록 하는 것.
• 일반적인 의존성 구조 하에서 관측된 검정 통계량과 선택 결과를 바탕으로 진짜 효과 크기의 기대값을 구함으로써 추정량을 유도하는 것.
• 베이지안 사전분포나 재표집에 의존하지 않아, 대규모 생물학적 데이터 분석에서 흔한 최빈추정 설정에 적용 가능하도록 하는 것.
• 두 개의 유전자 발현 데이터셋에 대한 시뮬레이션 연구와 실제 데이터 적용을 통해 추정량의 성능을 검증하는 것.

실험 결과

연구 질문

• RQ1 검정 통계량이 상관성이 있을 경우, 선택 편향이 효과 크기 추정에 어떤 영향을 미치는가?
• RQ2 효과 크기 추정치 간의 독립성을 가정하지 않고, 의존성 하에서 최빈추정법이 선택 편향을 보정할 수 있는가?
• RQ3 실제 의존성 구조 하에서 기존 편향 보정 기법과 비교해 본다면, 제안된 방법의 성능은 어떠한가?
• RQ4 상관성이 있는 검정 통계량을 가진 실제 유전자 발현 데이터에서, 제안된 추정량은 좋은 정확도와 커버리지 유지가 가능한가?

주요 결과

• 제안된 추정량은 의존성 하에서 선택 편향을 크게 줄이며, 시뮬레이션 연구에서 독립성 기반 방법보다 뛰어난 성능을 보였다.
• 테스트 수가 많고 검정 통계량이 상관성이 있는 경우에도, 진짜 효과 크기의 정확한 커버리지 유지가 가능했다.
• 두 개의 실제 유전자 발현 데이터셋에서, 제안된 추정량은 난이도 추정치와 기존 보정 추정치보다 더 신뢰할 수 있고 과대평가되지 않은 효과 크기 추정치를 도출하였다.
• 다양한 의존성 구조, 특히 고 throughput 생물학적 데이터에서 흔히 관찰되는 것들에 대해 추정량의 성능이 강인함을 확인하였다.
• 특히 검정 통계량 간의 강한 상관성이 있는 설정에서 기존 방법보다 더 낮은 평균 제곱오차와 편향 감소를 달성하였다.