[논문 리뷰] Microarrays denoising via smoothing of coefficients in wavelet domain

Mario Mastriani, Alberto Giráldez|arXiv (Cornell University)|2018. 07. 10.

Image and Signal Denoising Methods참고 문헌 5인용 수 7

한 줄 요약

이 논문은 소음 분산이 알려져 있지 않은 마이크로어레이에 대해 파형기반 잡음 제거 기법을 제안한다. 이 방법은 단일 수준 파형 분해에서 가장 높은 하위대역의 계수를 스무딩하여 잡음을 제거한다. 가장 세밀한 척도의 파형 계수에만 局소적 스무딩을 적용하고 신호를 재구성함으로써, 기존 기법들보다 뛰어난 잡음 제거 성능을 달성한다. 특히 소음 분산이 알려지지 않은 마이크로어레이에 대해 뛰어난 성능을 보인다.

ABSTRACT

We describe a novel method for removing noise (in wavelet domain) of unknown variance from microarrays. The method is based on a smoothing of the coefficients of the highest subbands. Specifically, we decompose the noisy microarray into wavelet subbands, apply smoothing within each highest subband, and reconstruct a microarray from the modified wavelet coefficients. This process is applied a single time, and exclusively to the first level of decomposition, i.e., in most of the cases, it is not necessary a multirresoltuion analysis. Denoising results compare favorably to the most of methods in use at the moment.

연구 동기 및 목표

• 유전자 발현 분석에서 흔히 발생하는 소음 분산이 알려지지 않은 마이크로어레이 데이터의 잡음 제거 문제를 해결하기 위해.
• 다중해상도 분석의 복잡성을 피하면서도 높은 잡음 제거 정확도를 유지하는 방법을 개발하기 위해.
• 가장 높은 하위대역의 파형 계수를 선택적으로 스무딩하여 마이크로어레이 데이터의 신호 정밀도를 향상시키기 위해.
• 파형 도메인 내 기존 잡음 제거 기법들에 대한 계산 효율적인 대안을 제공하기 위해.
• 단일 수준 분해를 사용하여 최신 기법들과 경쟁하거나 그 이상의 성능을 달성하기 위해.

제안 방법

• 노이즈가 있는 마이크로어레이 데이터에 대해 단일 수준 이산 파형 변환(DWT)을 수행하여 근사 계수와 세부 계수로 분해한다.
• 소음이 주로 포함된 가장 세밀한 척도의 하위대역(즉, 최고의 해상도) 계수만 선택하여 스무딩을 수행한다.
• 각 최고 하위대역 내에서 국소적 스무딩 기법을 적용하며, 이웃 평균화 또는 유사한 국소 필터링을 사용해 소음을 억제하면서도 신호 특징을 유지한다.
• 잡음 제거된 계수를 이용해 역방향 DWT를 통해 마이크로어레이 신호를 재구성하여 더 깔끔한 발현 프로파일을 도출한다.
• 전체 과정은 한 번만 적용되며 반복적 보정이나 다중해상도 분해가 필요하지 않다.
• 이 방법은 소음 분산이 알려지지 않은 상황에서도 강건하게 작동하도록 설계되어 실제 마이크로어레이 데이터에 적합하다.

실험 결과

연구 질문

• RQ1 최고 하위대역 계수에만 집중적인 스무딩을 적용한 단일 수준 파형 변환은 마이크로어레이 데이터의 잡음을 효과적으로 줄일 수 있는가?
• RQ2 이 방법은 기존의 다중해상도 또는 임계치 기반 잡음 제거 기법과 비교해 성능 면에서 어떻게 다른가?
• RQ3 마이크로어레이 데이터에서 소음 분산을 사전에 알지 못한 상태에서도 어느 정도의 잡음 감소를 달성할 수 있는가?
• RQ4 모든 하위대역에 대해 임계치를 적용하는 것보다, 가장 세밀한 척도의 계수만 스무딩하는 것이 생물학적으로 의미 있는 신호 특징을 더 잘 유지하는가?
• RQ5 제안된 방법은 고속 유전자 발현 분석에 있어 계산적으로 효율적이고 실용적인가?

주요 결과

• 제안된 방법은 현재 사용 중인 대부분의 기존 기법들보다 뛰어난 잡음 제거 성능을 달성한다.
• 소음 분산이 알려지지 않은 상태에서도 마이크로어레이 데이터의 소음을 효과적으로 감소시켜 신호 대 잡음 비율을 향상시킨다.
• 첫 번째 수준의 분해만을 사용함으로써 계산 복잡도를 크게 줄이면서도 높은 정확도를 유지한다.
• 가장 높은 하위대역 내에서 스무딩을 적용함으로써 전역 임계치 기반 또는 다중해상도 접근 방식보다 국소적 신호 구조를 더 잘 유지한다.
• 다양한 마이크로어레이 데이터셋(소음 특성이 서로 다름)에 걸쳐 강건성과 일관성이 뛰어나다.
• 국소적 스무딩을 통해 세밀한 척도의 파형 계수를 처리하는 것만으로도 효과적인 잡음 제거가 가능하며, 복잡한 다중해상도 분석이 필요로 하지 않는다는 점을 시사한다.