[논문 리뷰] Consistent Biclustering

Cheryl Flynn, Patrick O. Perry|arXiv (Cornell University)|2012. 06. 29.

Gene expression and cancer classification인용 수 11

한 줄 요약

이 논문은 행렬 차원이 증가함에 따라 진짜 행 및 열 클래스를 복원할 수 있는 일관된 이분할 클러스터링 절차를 프로파일 우도 기반으로 제안한다. 이는 분포 모수 오류가 있을 경우에도 성립한다. 계산 비용이 높은 검색을 가능하게 하기 위해 Kernighan-Lin 알고리즘에 영감을 받은 히우리스틱 최적화를 사용하며, 의회 투표 및 마이크로어레이 데이터에서 뛰어난 성능을 보여준다.

ABSTRACT

Biclustering, the process of simultaneously clustering the rows and columns of a data matrix, is a popular and effective tool for finding structure in a high-dimensional dataset. Many biclustering procedures appear to work well in practice, but most do not have associated consistency guarantees. To address this shortcoming, we propose a new biclustering procedure based on profile likelihood. The procedure applies to a broad range of data modalities, including binary, count, and continuous observations. We prove that the procedure recovers the true row and column classes when the dimensions of the data matrix tend to infinity, even if the functional form of the data distribution is misspecified. The procedure requires computing a combinatorial search, which can be expensive in practice. Rather than performing this search directly, we propose a new heuristic optimization procedure based on the Kernighan-Lin heuristic, which has nice computational properties and performs well in simulations. We demonstrate our procedure with applications to congressional voting records, and microarray analysis.

연구 동기 및 목표

• 기존 이분할 클러스터링 방법에서 일관성 보장의 부족을 해결하기 위해.
• 가정된 데이터 분포가 잘못되었을 경우에도 일관성 유지가 가능한 이분할 클러스터링 절차를 개발하기 위해.
• 최적의 이분할 클러스터링을 위한 직접 조합적 탐색의 계산 가능 대안을 만들기 위해.
• 의회 투표 기록 및 마이크로어레이 데이터와 같은 실제 데이터세트에서 이 방법의 효과성을 입증하기 위해.

제안 방법

• 이 방법은 데이터 행렬의 행 및 열 클러스터 할당을 추정하기 위해 프로파일 우도를 사용한다.
• 데이터 행렬 원소에 대한 파rametric 모델을 가정하여 클러스터 구조에 대한 우도 기반 추론이 가능하다.
• 절차는 일관성 있도록 설계되었으며, 행렬 차원이 증가함에 따라 점차적으로 진짜 행 및 열 클러스터를 복원한다.
• 최적성 확보를 위해 모든 가능한 행 및 열 클러스터링 조합에 대한 조합적 탐색이 필요하지만, 이는 계산적으로 금기이다.
• 이를 극복하기 위해 저자들은 Kernighan-Lin 알고리즘에 기반한 히우리스틱 최적화를 제안하며, 국소 이동을 통해 반복적으로 클러스터 할당을 향상시킨다.
• 이 히우리스틱은 계산 효율성과 시뮬레이션 및 실제 데이터 응용에서 뛰어난 경험적 성능 사이의 균형을 이룬다.

실험 결과

연구 질문

• RQ1 모수 오류가 있을 경우에도 진짜 행 및 열 클러스터를 복원하는 데 일관성 있는 이분할 클러스터링 방법이 가능할 수 있는가?
• RQ2 최적의 이분할 클러스터링을 위한 계산 비용이 큰 조합적 탐색을 어떻게 실용적으로 만들 수 있는가?
• RQ3 제안된 프로파일 우도 기반 방법이 다양한 데이터 모달리티를 가진 실제 데이터에서 기존 방법보다 뛰어나게 성능을 발휘하는가?
• RQ4 이 방법은 유전자 발현 및 투표 패턴과 같은 고차원 데이터에서 의미 있는 구조를 신뢰성 있게 탐지할 수 있는가?

주요 결과

• 제안된 이분할 클러스터링 절차는 일관성 있다: 행렬 차원이 무한히 증가함에 따라 점차적으로 진짜 행 및 열 클러스터를 복원한다.
• 가정된 데이터 분포의 기능 형태가 잘못되었을 경우에도 이 방법은 일관성을 유지한다.
• Kernighan-Lin 알고리즘에 기반한 히우리스틱 최적화는 계산 시간을 크게 줄였으며, 시뮬레이션에서 높은 정확도를 유지한다.
• 의회 투표 기록에서 일관된 패턴을 성공적으로 식별하여 정당 기반 투표 구조를 드러냈다.
• 마이크로어레이 분석에서는 생물학적으로 관련성이 있는 유전자 및 조건 클러스터를 탐지하여 유전체학 분야에서의 유용성을 입증했다.