[논문 리뷰] Variance stabilization of targeted estimators of causal parameters in high-dimensional settings

Nima S. Hejazi, Sara Kherad-Pajouh외 2명|arXiv (Cornell University)|2017. 10. 16.

Statistical Methods and Inference인용 수 4

한 줄 요약

이 논문은 나이, 인종, 흡연과 같은 다중 공변수를 조정할 때조차도 비모수적 가정에 의존하지 않고 정확한 추론을 가능하게 하며, 영향도 곡선을 기반으로 한 조정된 t통계량과 결합된 타겟 최소 손실 기반 추정(TMLE)을 사용하여, 작은 표본을 가진 고차원 생물학적 데이터에서 변수 중요도를 추정하기 위한 강건하고 데이터 적응형 방법을 제안한다.

ABSTRACT

Exploratory analysis of high-dimensional biological sequencing data has received much attention for its ability to allow the simultaneous screening of numerous biological characteristics. While there has been an increase in the dimensionality of such data sets in studies of environmental exposure and biomarkers, two important questions have received less interest than deserved: (1) how can independent estimates of associations be derived in the context of many competing causes while avoiding model misspecification, and (2) how can accurate small-sample inference be obtained when data-adaptive techniques are employed in such contexts. The central focus of this paper is on variable importance analysis in high-dimensional biological data sets with modest sample sizes, using semiparametric statistical models. We present a method that is robust in small samples, but does not rely on arbitrary parametric assumptions, in the context of studies of gene expression and environmental exposures. Such analyses are faced with not only issues of multiple testing, but also the problem of teasing out the associations of biological expression measures with exposure, among confounds such as age, race, and smoking. Specifically, we propose the use of targeted minimum loss-based estimation (TMLE), along with a generalization of the moderated t-statistic of Smyth, relying on the influence curve representation of a statistical target parameter to obtain estimates of variable importance measures (VIM) of biomarkers. The result is a data-adaptive approach that can estimate individual associations in high-dimensional data, even with relatively small sample sizes.

연구 동기 및 목표

• 소규모 표본 크기를 가진 고차원 생물학적 데이터에서 변수 중요도를 추정하는 데 도전하는 데 목적을 두며.
• 다양한 경쟁 원인이 존재할 때 모형 오설정을 피할 수 있는 방법을 개발하는 데 목적을 두며.
• 데이터 적응형 추정 기법을 사용할 때 정확한 소표본 추론을 가능하게 하는 데 목적을 두며.
• 나이, 인종, 흡연과 같은 공변수를 조정함으로써 생물마커와 환경 노출 간의 연관성 추정을 신뢰할 수 있게 하는 데 목적을 두며.
• 유전자 발현 및 노출 연구의 변수 중요도 분석에서 비모수적 가정에 대한 강건한 대안을 제공하는 데 목적을 두며.

제안 방법

• 이 방법은 고차원 환경에서 원인 파rameter의 효율적이고 반모수적 추정을 위해 타겟 최소 손실 기반 추정(TMLE)을 활용한다.
• 통계적 목표 파rameter의 영향도 곡선 표현을 활용하여 소표본에서 분산을 안정화시킨다.
• 스미스의 조정된 t통계량의 일반화된 형태를 적용하여, 영향도 곡선을 사용해 추정 정밀도를 향상시킨다.
• 이 방법은 다중 공변수를 조정하면서도 개별 생물마커 연관성의 데이터 적응형 추정을 가능하게 한다.
• 이 방법은 모형 오설정에 강건하며, 임의의 비모수적 가정을 필요로 하지 않는다.

실험 결과

연구 질문

• RQ1 다양한 경쟁 원인이 존재할 때 모형 오설정 없이 고차원 데이터에서 독립적인 연관성 추정을 어떻게 도출할 수 있는가?
• RQ2 데이터 적응형 기법을 고차원 설정에서 사용할 때 정확한 소표본 추론을 어떻게 달성할 수 있는가?
• RQ3 TMLE와 조정된 t통계량을 조합한 방법이 소규모 고차원 생물학적 연구에서 생물마커의 변수 중요도를 추정하는 데 어떻게 성능을 발휘하는가?
• RQ4 기존 접근법과 비교해 볼 때 제안된 방법은 분산 안정화와 강건성 측면에서 어떻게 다른가?

주요 결과

• 제안된 방법은 소표본 크기를 가진 고차원 생물학적 데이터에서 변수 중요도 측정의 안정적인 분산 추정을 제공한다.
• 조정된 t통계량에 영향도 곡선을 활용함으로써 소표본 추론의 정밀도와 강건성이 향상된다.
• 이 방법은 나이, 인종, 흡연과 같은 공변수를 조정함으로써 비모수적 가정에 의존하지 않고 효과적으로 조정할 수 있다.
• 변수 수가 표본 크기보다 훨씬 많을 때조차도 생물마커-노출 연관성의 신뢰할 수 있는 탐지가 가능하다.