[論文レビュー] A log-linear time algorithm for constrained changepoint detection

Toby Dylan Hocking, Guillem Rigaill+2 more|arXiv (Cornell University)|Mar 9, 2017

Statistical Methods and Inference参考文献 17被引用数 15

ひとこと要約

本稿では、隣接セグメント平均間のアフィン不等式制約を扱えるようにリガイヤの機能的プルーニングを拡張することで、$O(Kn\log n)$の対数線形時間で最適解を達成する一般化された機能的プルーニングアルゴリズム（GPDPA）を提案する。この手法により、上り下り制約を伴うChIP-seqデータにおける高速かつ高精度なピーク検出が可能となり、既存の最先端手法に比べて速度と正確性に優れつつも最適性を維持する。

ABSTRACT

Changepoint detection is a central problem in time series and genomic data. For some applications, it is natural to impose constraints on the directions of changes. One example is ChIP-seq data, for which adding an up-down constraint improves peak detection accuracy, but makes the optimization problem more complicated. We show how a recently proposed functional pruning technique can be adapted to solve such constrained changepoint detection problems. This leads to a new algorithm which can solve problems with arbitrary affine constraints on adjacent segment means, and which has empirical time complexity that is log-linear in the amount of data. This algorithm achieves state-of-the-art accuracy in a benchmark of several genomic data sets, and is orders of magnitude faster than existing algorithms that have similar accuracy. Our implementation is available as the PeakSegPDPA function in the coseg R package, https://github.com/tdhock/coseg

研究の動機と目的

• ゲノム的および時系列データにおけるアフィン制約下での高速かつ最適な変化点検出のニーズに対処すること。
• 既存のヒューリスティックなアルゴリズム（例：Constrained DPA）の限界を克服すること。これらは最適でなく、時間計算量が二次的である。
• 機能的プルーニング技術を、隣接セグメント平均間の任意のアフィン制約に一般化すること。
• ChIP-seqデータにおけるピーク検出において、速度と正確性の両面で最先端の性能を達成すること。
• coseg Rパッケージ内のPeakSegPDPA関数を通じて、再現可能でオープンソースの実装を提供すること。

提案手法

• 本手法は、隣接セグメント平均にアフィン不等式制約を課す制約付き変化点検出問題を解くために、一般化された機能的プルーニングアプローチ（GPDPA）を用いる。
• 問題を、制約関数$g_c$によって支配される遷移を持つ状態空間上の動的計画法最適化として定式化する。
• 動的計画法の更新ルールは、最適コスト$C_{s,t}(u)$を再帰的に計算し、データ尤度と遷移コストにペナルティを加える。
• 主な革新点は、非減少または上り下りパターンなどの制約を強制するために、制約付きコスト関数$\text{ConstrainedCost}(C_{\underline{v},t-1})$を用いることである。
• アルゴリズムはコスト関数を区分的線形関数として維持することで、非最適経路の効率的プルーニングを可能にする。
• 最適なセグメント平均、状態、および変化点位置を回復するためにバックトラッキングによる復号が行われる。

実験結果

リサーチクエスチョン

• RQ1 変化点検出において、隣接セグメント平均間の任意のアフィン不等式制約を扱えるように、機能的プルーニングを一般化できるか？
• RQ2 提案されたGPDPAアルゴリズムは、このような制約下でも$O(Kn\log n)$の平均時間計算量で最適解を達成できるか？
• RQ3 実際のChIP-seqデータにおいて、GPDPAの性能は、正確性と速度の両面で既存手法と比較してどうなるか？
• RQ4 2次時間計算量のソルバーに比べて、実行時間を著しく短縮しながらも高い正確性を維持できるか？
• RQ5 上り下りパターンのような複雑な制約に対しても、機能的プルーニング技術は有効であるか？

主な発見

• 提案されたGPDPAアルゴリズムは、$O(Kn\log n)$の平均時間計算量を達成しており、最良の既存のプルーニングアルゴリズムと同等の性能を示すが、最適性が保証されている。
• ChIP-seqデータにおいて、GPDPAは、類似またはより高速な既存手法に比べて、最先端のピーク検出正確性を達成している。
• 実験的評価では、1状態あたり格納される区間の平均数が$\log n$であることが示され、$O(Kn\log n)$の計算量の主張を裏付けている。
• 上り下り制約付き変化点検出のための既存の最適ソルバーに比べ、アルゴリズムは桁違いに高速でありながら、最適な解の品質を維持している。
• 実装はcoseg Rパッケージ内のPeakSegPDPA関数として公開されており、再現可能研究および広範な採用を可能としている。
• 本手法は、非減少、非増加、および上り下りパターンを含む、広範なアフィン制約クラスへの機能的プルーニングの一般化に成功している。