[論文レビュー] Principal Differences Analysis: Interpretable Characterization of Differences between Distributions

Jonas Mueller, Tommi Jaakkola|arXiv (Cornell University)|Oct 30, 2015

Single-cell and spatial transcriptomics参考文献 45被引用数 6

ひとこと要約

本稿では、最適な射影に 沿って Wasserstein 散発を最大化することによって、解釈可能な高次元差を特定するための主差分分析（PDA）およびそのスパース版である SPARDA を導入する。この手法は、パラメトリックな仮定を必要とせず、任意の分布的差を検出でき、差を引き起こす主要な特徴量を同定する。単細胞RNA-Seqデータにおけるスパースで複雑な差の検出において、既存手法を上回る性能を示す。

ABSTRACT

We introduce principal differences analysis (PDA) for analyzing differences between high-dimensional distributions. The method operates by finding the projection that maximizes the Wasserstein divergence between the resulting univariate populations. Relying on the Cramer-Wold device, it requires no assumptions about the form of the underlying distributions, nor the nature of their inter-class differences. A sparse variant of the method is introduced to identify features responsible for the differences. We provide algorithms for both the original minimax formulation as well as its semidefinite relaxation. In addition to deriving some convergence results, we illustrate how the approach may be applied to identify differences between cell populations in the somatosensory cortex and hippocampus as manifested by single cell RNA-seq. Our broader framework extends beyond the specific choice of Wasserstein divergence.

研究の動機と目的

• 高次元でペairされない確率分布同士の間で、解釈可能な非パラメトリックな差を同定するという課題に対処すること。
• パラメトリックな形を仮定せずに、平均や分散のずれを超えた任意の分布的差を検出できる手法を開発すること。
• 分布的差を引き起こす最小限の特徴量サブセットを同定し、複雑なオミックスデータにおける生物学的解釈可能性を実現すること。
• 従来の射影ベース手法の限界を克服し、分類の最適化ではなく、散発の最大化を目的とした射影方向の最適化を行うこと。
• 差の性質が事前に未知である高次元で探索的な設定において、標準的な2標本検定を拡張すること。

提案手法

• PDA は、2つの高次元分布の射影 βᵀX および βᵀY における一変量分布の Wasserstein 散発を最大化する最適な射影方向 β を特定する。
• この手法は Cramér-Wold の定理を活用しており、P_X ≠ P_Y であれば、その射影された一変量分布が異なるような方向 β が存在することを保証する。
• 非凸なミニマックス定式化を効率的に解くために、半定値緩和法が用いられる。
• SPARDA は、β に ℓ₁ ペナルティを追加することでスパarsity を誘導し、分布的差を引き起こす最小の特徴量集合を同定する。
• このアプローチは一般性に富んでおり、Wasserstein 以外の確率的散発に対しても適用可能であり、応用分野での柔軟性を提供する。
• 有意性の評価にはパーミュテーション検定が用いられ、仮説検定における正確な第一種過誤制御が保証される。

実験結果

リサーチクエスチョン

• RQ1 2つの高次元でペアされない集団間の最大の分布的差を捉える最も情報的な一次元射影を特定できるか？
• RQ2 2つの複雑な高次元分布の間で観察された差を引き起こす最小の特徴量サブセットは何か？
• RQ3 DiProPerm や MMD や LDA といった既存手法と比較して、PDA や SPARDA はスパースまたは複雑な差を検出する際にどの程度の性能を示すか？
• RQ4 SPARDA は、標準的な差分発現解析では見逃される生物学的に関連する遺伝子発現差を検出できるか？
• RQ5 特に僅かに異なる特徴量のみが差を生じるような状況において、この手法は高次元設定でも高い統計的パワーを維持できるか？

主な発見

• SPARDA は次元が増加しても、特に差がスパースな場合に、分布的差を検出する高い統計的パワーを維持する。
• 全 d 個の特徴量のうち 3 個が関連する合成実験では、d が増加するに従って SPARDA は高いパワーを維持し、DiProPerm や MMD を上回った。
• 多数の λ 値において、SPARDA は 20 個の関連特徴量のうち 14 個を正しく同定し、偽陽性はゼロであった。クロスバリデーションにより、46 個の非ゼロ要素のうち 17 個の関連特徴量が同定された。
• マウス体感皮膚野および海馬の単細胞RNA-Seqデータにおいて、SPARDA は既知のサブタイプ特異的遺伝子を検出し、標準的な差分発現法では見逃されたシグナル伝達や調節的相互作用に関与する遺伝子を明らかにした。
• マルチコリニアティにさらされても、SPARDA はロジスティック回帰、LDA や自動関連性決定付きベイジアンSVM よりも優れた特徴量回復性能を示した。
• 正則化なしの PDA は DiProPerm よりも高いパワーを示し、分類の最適化ではなく散発の最大化を目的とした射影方向の最適化が有効であることが裏付けられた。