[논문 리뷰] Cauchy combination test: a powerful test with analytic p-value calculation under arbitrary dependency structures

Yaowu Liu, Jun Xie|arXiv (Cornell University)|2018. 08. 27.

Genetic Associations and Epidemiology참고 문헌 21인용 수 37

한 줄 요약

이 논문은 매우 작은 p값조차도 정확하고 계산 효율적인 분석이 가능한, 임의의 종속성 구조 하에서 p값을 조합하는 데 유용한 방법인 코시 조합 검정(Cauchy combination test)을 제안한다. 이 방법은 개별 p값의 코시 변환값에 대한 가중합으로 정의된 검정통계량을 사용하며, 임의의 종속성 하에서도 근사적으로 코시 분포로 근사 가능한 근본적인 이론적 결과를 제공한다. 이로 인해 순열과 같은 계산 비용이 큰 방법을 피할 수 있으며, GWAS와 같은 대규모 고차원 데이터 분석에 이상적이다.

ABSTRACT

Combining individual p-values to aggregate multiple small effects has a long-standing interest in statistics, dating back to the classic Fisher's combination test. In modern large-scale data analysis, correlation and sparsity are common features and efficient computation is a necessary requirement for dealing with massive data. To overcome these challenges, we propose a new test that takes advantage of the Cauchy distribution. Our test statistic has a very simple form and is defined as a weighted sum of Cauchy transformation of individual p-values. We prove a non-asymptotic result that the tail of the null distribution of our proposed test statistic can be well approximated by a Cauchy distribution under arbitrary dependency structures. Based on this theoretical result, the p-value calculation of our proposed test is not only accurate, but also as simple as the classic z-test or t-test, making our test well suited for analyzing massive data. We further show that the power of the proposed test is asymptotically optimal in a strong sparsity setting. Extensive simulations demonstrate that the proposed test has both strong power against sparse alternatives and a good accuracy with respect to p-value calculations, especially for very small p-values. The proposed test has also been applied to a genome-wide association study of Crohn's disease and compared with several existing tests.

연구 동기 및 목표

• 고차원 데이터에서 임의의 종속성 구조 하에서 계산 효율적이고 정확한 p값 계산 방법의 부족을 보완한다.
• 피셔의 검정, 티펠렛의 검정, 고차원 임계값 검정, 버크-존슨 검정과 같은 기존 방법들은 분석적 p값 계산이 불가능하거나 대규모 데이터셋에서는 계산이 불가능한 한계를 극복한다.
• 희박한 대안에 대해 높은 검정력을 유지하면서도, 매우 작은 p값(<10^-6)에 대해서도 빠르고 정확한 p값 계산이 가능한 검정법을 개발한다.
• 유전자 집합 수만이 수만 개에 이르는 대규모 다중 검정 상황, 예를 들어 전장 연관 분석(GWAS)에서 실용적인 적용을 가능하게 한다.

제안 방법

• 개별 p값의 코시 변환값에 대한 가중합으로 정의된 검정통계량을 제안: $ T = \sum_{i=1}^d w_i \cdot \tan(\pi(p_i - 0.5)) $, 여기서 $ p_i $ 는 개별 p값이다.
• 임의의 종속성 구조 하에서도 근사적으로 코시 분포로 근사 가능한 근본적인 비점근 이론 결과를 도출한다.
• 이 근사를 활용해 순열과 같은 계산 비용이 큰 방법을 피하고, z-검정이나 t-검정과 유사한 단순한 분석적 p값 계산을 가능하게 한다.
• 기초 검정통계량의 이元정규분포 가정을 활용해 코시 근사에 대한 이론적 기반을 확립하며, 이는 종속성 하에서도 성립한다.
• 다양한 상관 구조와 신호 희박성 수준에서 광범위한 시뮬레이션을 통해 방법의 타당성을 검증한다.
• 실제 크로운 병변 GWAS 데이터셋에 적용하여 피셔의 검정, 티펠렛의 검정, 고차원 임계값 검정, 버크-존슨 검정과의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 희박한 대안에 대해 높은 검정력을 유지하면서도 임의의 종속성 구조 하에서 분석적 p값 계산이 가능한 조합 검정을 개발할 수 있는가?
• RQ2 개별 p값이 종속되어 있을 때, 병합된 검정통계량의 귀무분포에 대해 코시 분포가 타당하고 정확한 근사가 가능한가?
• RQ3 제안된 방법은 대규모 데이터 환경에서 매우 작은 p값(<10^-6)에 대해서도 계산 효율성과 정확도를 동시에 확보할 수 있는가?
• RQ4 피셔의 검정, 티펠렛의 검정, 고차원 임계값 검정, 버크-존슨 검정과 비교해 코시 조합 검정의 검정력과 p값 정확도는 종속성 하에서 어떻게 다른가?
• RQ5 기초 검정통계량이 정규분포에서 벗어나 다변량 t분포를 따를 경우에도 이 방법은 강건한가?

주요 결과

• 코시 조합 검정은 강한 희박성 설정에서 점근적으로 최적의 검정력을 확보하며, 희박한 대안 하에서 기존 방법들을 능가한다.
• 임의의 종속성 구조 하에서도 검정통계량의 귀무분포가 코시 분포로 잘 근사되며, 이는 정확한 분석적 p값 계산을 가능하게 한다.
• 매우 작은 p값(예: <10^-6)에 대해서도 높은 정확도로 p값을 계산할 수 있으며, 이는 대규모 다중 검정 상황에서 매우 중요하다.
• 크로운 병변 GWAS 응용에서 코시 조합 검정은 유전자 집합당 몇 초 내로 p값을 계산했고, 다른 방법들은 수 시간이 소요되거나 계산이 불가능했다.
• 시뮬레이션 연구에서 다양한 상관 구조와 신호 희박성 수준에서 높은 검정력과 정확한 p값을 유지했다.
• 다변량 t분포 하에서도 시뮬레이션을 통해 기초 통계량의 비정규성에 대해 강건함을 입증하여, 정규성 가정을 초월한 넓은 적용 가능성을 시사한다.