[논문 리뷰] The Phylogenetic LASSO and the Microbiome

Stephen Rush, Christine H. Lee외 2명|arXiv (Cornell University)|2016. 07. 29.

Gut microbiota and health참고 문헌 30인용 수 3

한 줄 요약

이 논문은 고차원 변수 선택을 위한 새로운 정규화 방법인 계통수 나스토(LASSO)를 소개한다. 이 방법은 특히 16S rRNA 유전자 서열 데이터에 대해 미생물군집의 계통수 나무 구조를 통합함으로써 변수 선택 정확도를 향상시키고 오라클 성질을 달성한다. 진화적 연관성을 활용함으로써 초고차원, 소표본 조건에서 클로스트리디오이데스 디피실레 감염과 관련된 핵심 미생물군집을 식별하는 데 뛰어난 성능을 보인다.

ABSTRACT

Scientific investigations that incorporate next generation sequencing involve analyses of high-dimensional data where the need to organize, collate and interpret the outcomes are pressingly important. Currently, data can be collected at the microbiome level leading to the possibility of personalized medicine whereby treatments can be tailored at this scale. In this paper, we lay down a statistical framework for this type of analysis with a view toward synthesis of products tailored to individual patients. Although the paper applies the technique to data for a particular infectious disease, the methodology is sufficiently rich to be expanded to other problems in medicine, especially those in which coincident `-omics' covariates and clinical responses are simultaneously captured.

연구 동기 및 목표

• 기존 방법이 초고차원(p가 매우 크고 n이 작음) 조건에서 실패하는 고차원, 소표본 미생물군집 데이터 문제를 해결하기 위해.
• 세균 분류군 간 계통수 관계를 변수 선택에 통합하여 생물학적 해석 가능성과 통계적 검정력을 향상시키기 위해.
• 미생물군집의 계층적 진화적 구조를 존중하는 펜라티드 회귀 프레임워크를 개발하기 위해.
• 정규성 조건 하에서 일관된 변수 선택과 점근 정규성을 보장하는 오라클 성질을 이론적으로 확립하기 위해.
• 시뮬레이션과 실제 클로스트리디오이데스 디피실레 감염 데이터에의 적용을 통해 방법의 효과성을 입증하기 위해.

제안 방법

• 세균 분류군의 수명 나무 구조에서 유도된 계통수 거리 행렬을 활용하여 LASSO 펜alties를 확장한다.
• 페널티 항목이 분류군 간 계통수 거리의 함수가 되도록 펜라티드 우도 접근법을 사용하며, 이는 관련된 군집의 선택을 장려한다.
• 예측 변수 간 나무 구조에 기반한 상관관계를 고려한 수정된 좌표 강하 알고리즘을 통해 최적화를 수행한다.
• 이론적 분석을 통해 이 방법이 오라클 성질을 달성함을 입증한다. 이는 모델 선택 일관성과 추정량의 점근 정규성을 포함한다.
• 교차검증을 통해 정규화를 조정한 후, 대변 미생물군집 이식 연구의 16S rRNA 시퀀싱 데이터에 적용한다.
• 이론적 유도는 로그우도 및 펜라티드 함수의 테일러 전개에 기반하며, p_n과 n에 대한 특정 성장 조건 하에서 수렴 결과를 도출한다.

실험 결과

연구 질문

• RQ1 계통수 구조를 통합한 펜라티드 회귀 방법이 고차원 미생물군집 데이터에서 변수 선택 정확도를 향상시킬 수 있는가?
• RQ2 실제 고차원 표본 조건 하에서 계통수 나스토는 오라클 성질(예: 모델 선택 일관성, 점근 정규성)을 달성하는가?
• RQ3 클로스트리디오이데스 디피실레 감염과 관련된 핵심 미생물군집을 식별하는 데 있어 표준 나스토 및 기타 계통수 인지 방법과 비교해 볼 때 이 방법은 어떻게 성능을 내는가?
• RQ4 계통수 상관관계는 추정 효율성과 선택 안정성에 어떤 영향을 미치는가?
• RQ5 어떤 정규성 조건 하에서 추정량이 정규 분포로 수렴하여 타당한 추론이 가능해지는가?

주요 결과

• 계통수 나스토는 모델 선택 일관성을 보이며, 표본 크기가 증가함에 따라 진짜 희박 모델을 정확히 식별할 확률이 1로 수렴한다.
• 이 방법은 오라클 성질을 나타내며, 점근 정규성과 함께 초고차원 설정 조건 하에서도 관련 분류군의 선택이 일관되게 유지된다.
• 이론적 분석을 통해 이 조건 하에서 n ≪ p_n^{T+2}를 만족할 경우 선택 일관성이 유지됨을 확인하였다. 여기서 T는 나무 깊이와 관련된다.
• 시뮬레이션 결과, 계통수 나스토는 표준 나스토 및 기타 계통수 인지 방법보다 진짜 양성률과 거짓 발견률 측면에서 뛰어난 성능을 보였다.
• 실제 데이터 분석에서 계통수 나스토는 클로스트리디오이데스 디피실레 감염과 관련된 생물학적으로 의미 있는 분류군을 성공적으로 식별하였으며, 다양한 검증 전략에서 일관된 결과를 보였다.
• 이론적 유도를 통해 추정량의 점근 분포가 다변량 정규분포임을 확인하였으며, 이는 선택된 분류군에 대한 타당한 신뢰구간과 가설검정을 가능하게 한다.