[논문 리뷰] Hub discovery in partial correlation graphical models

Alfred O. Hero, Bala Rajaratnam|arXiv (Cornell University)|2011. 09. 30.

Bioinformatics and Genomic Networks참고 문헌 17인용 수 3

한 줄 요약

이 논문은 표본 수 $ n $ 가 변수 수 $ p $ 보다 훨씬 작은 고차원 부분상관관계 그래픽 모델에서 강하게 연결된 변수(허브)를 식별하기 위한 확장 가능한 허브 스크리닝 프레임워크를 제안한다. 희박한 공분산 가정 하에 Z-스코어 변환과 점근적 포isson 근사 이론을 활용하여, 통계적 유의성과 제어된 거짓 발견률을 갖춘 정확한 허브 탐지가 가능하며, p-값 경로를 통해 검증된 대규모 유방암 유전자 발현 데이터셋에서 성능을 입증한다.

ABSTRACT

This paper treats the problem of screening a p-variate sample for strongly and multiply connected vertices in the partial correlation graph associated with the the partial correlation matrix of the sample. This problem, called hub screening, is important in many applications ranging from network security to computational biology to finance to social networks. In the area of network security, a node that becomes a hub of high correlation with neighboring nodes might signal anomalous activity such as a coordinated flooding attack. In the area of computational biology the set of hubs of a gene expression correlation graph can serve as potential targets for drug treatment to block a pathway or modulate host response. In the area of finance a hub might indicate a vulnerable financial instrument or sector whose collapse might have major repercussions on the market. In the area of social networks a hub of observed interactions between criminal suspects could be an influential ringleader. The techniques and theory presented in this paper permit scalable and reliable screening for such hubs. This paper extends our previous work on correlation screening [arXiv:1102.1204] to the more challenging problem of partial correlation screening for variables with a high degree of connectivity. In particular we consider 1) extension to the more difficult problem of screening for partial correlations exceeding a specified magnitude; 2) extension to screening variables whose vertex degree in the associated partial correlation graph, often called the concentration graph, exceeds a specified degree.

연구 동기 및 목표

• 표본 수 $ n $ 가 변수 수 $ p $ 보다 훨씬 작은 고차원 그래픽 모델에서, 많은 다른 변수들과 강한 부분상관관계를 가지는 허브 변수를 식별하는 데 도전하는 것.
• 변수 감소나 최대likelihood 최적화 없이도 거짓 양성 결과를 직접 제어할 수 있는 계산 효율성이 높은 스크리닝 방법을 개발하는 것.
• 약한 의존성과 희박한 귀무공분산 가정 하에서 이론적 단계 전이 임계값과 점근적 p-값을 제공하는 것.
• 대규모 유전자 발현 데이터, 예를 들어 유방암 연구에서 생물학적으로 관련성이 높은 허브를 신뢰성 있게 탐지할 수 있도록 하는 것.
• 복잡한 시스템에서 조건부 의존성을 더 잘 반영하는 부분상관관계 그래프로 관련성 기반 스크리닝을 확장하는 것.

제안 방법

• 표본 상관계수 행렬을 효율적으로 계산하기 위해 데이터 컬럼을 표준 $ n $-변량 Z-스코어로 변환하여 관련 그래프를 생성하는 것.
• 표본 상관계수 행렬의 모어-펜로즈 의사역행렬을 사용하여 표본 부분상관계수 행렬을 나타내는 수정된 Z-스코어를 유도하는 것.
• 부분상관계수 그래프에서 간선을 식별하기 위해 임계값 $ \rho $ 를 적용하고, 차수 $ \geq \delta $ 인 노드를 허브로 정의하며, 여기서 $ \delta $ 는 사용자가 지정한 최소 차수이다.
• 큰 $ p $, 고정된 $ n $, 희박한 귀무공분산 조건 하에서 거짓 발견 수의 점근적 포isson 근사 이론을 활용하여 단계 전이 임계값 $ \rho_c $ 를 도출하는 것.
• 각 변수 $ i $ 에 대해 다양한 차수 임계값 $ \delta $ 에서의 p-값 경로 $ pv_\delta(i) $ 를 유도하여, 유의성 기반의 허브 순위를 매기는 것.
• 해석 가능성 향상을 위해 p-값 경로를 로그-로그 스케일에서 시각화하기 위해 변환 $ \lambda_{\delta,\rho^*}(i) = -\log(1 - pv_\delta(i)) $ 를 사용하는 것.

실험 결과

연구 질문

• RQ1 고차원 부분상관계수 그래프에서 거짓 허브 발견의 기대 수를 결정짓는 이론적 단계 전이 임계값 $ \rho_c $ 는 무엇인가?
• RQ2 표본 수 $ n $ 가 작고 변수 수 $ p $ 가 매우 클 때, 희박한 귀무가정 하에서 점근적 포isson 근사를 사용하여 거짓 발견률을 어떻게 제어할 수 있는가?
• RQ3 제안된 허브 스크리닝 방법은 사전 변수 감소 없이도 고차원 유전자 발현 데이터에서 생물학적으로 의미 있는 허브를 신뢰성 있게 탐지할 수 있는가?
• RQ4 다양한 차수 임계값 $ \delta $ 에서의 p-값 경로는 발견된 허브의 통계적 유의성과 강건성에 어떻게 반영되는가?
• RQ5 실제 세계 데이터셋, 예를 들어 NKI 유방암 데이터셋에서 예측된 거짓 양성 수와 실제 관측값 간의 일치도는 어느 정도인가?

주요 결과

• 이 방법은 거짓 허브 예측에 높은 정밀도를 보였으며, $ \delta=1 $ 에서 예측 평균 8,531개의 거짓 허브가 있었고, NKI 데이터셋에서 실제로 8,492개의 발견이 이루어졌다.
• $ \delta=5 $ 에서 예측된 거짓 허브 수는 2개였고, 관측된 4개의 발견과 일치하여 유형 I 오류 제어가 뚜렷하게 확보됨.
• IGL@, ARRB2, CTAG2, IL14 등의 유전자가 $ 10^{-25} $ 이하의 p-값을 기록하며 매우 높은 유의성의 허브로 확인되었으며, 특히 낮은 정점 차수에서 두드러짐.
• IGL@의 p-값 경로는 모든 $ \delta $ 에서 높은 유의성 유지하여, 일관되고 강한 부분상관계수 연결성을 보여줌.
• 총 58개의 허브 유전자를 탐지하였으며, 가장 유의미한 유전자들은 유방암과 면역 반응과의 강한 생물학적 관련성을 보였음.
• 이 프레임워크는 초기 차원 감소 없이 NKI 데이터셋의 전체 24,481개 유전자를 직접 다루므로, 라소 유사 방법보다 뛰어난 성능을 보임.