[論文レビュー] Resampling Residuals on Phylogenetic Trees: Extended Results

Peter J. Waddell, Ariful Azad+1 more|arXiv (Cornell University)|Dec 29, 2010

Gene expression and cancer classification参考文献 12被引用数 6

ひとこと要約

この論文は、モデルの複雑さを補正した幾何平均標準偏差を用いて系統樹の適合度を評価するための残差リサンプリング手法を拡張し、重み関数を一般化している。ロスらの遺伝子発現データを用いて、通常最小二乗法（OLS）がネイバー・ジョインイングおよびBME手法を上回ることを示しており、残差リサンプリングによりがん細胞線における強い系統構造が確認され、シミュレーションでもOLSがBME型手法に対して両方のモデルおよび実世界のデータにおいて頑健であることが示された。

ABSTRACT

In this article the results of Waddell and Azad (2009) are extended. In particular, the geometric percentage mean standard deviation measure of the fit of distances to a phylogenetic tree is adjusted for the number of parameters fitted to the model. The formulae are also presented in their general form for any weight that is a function of the distance. The cell line gene expression data set of Ross et al. (2000) is reanalyzed. It is shown that ordinary least squares (OLS) is a much better fit to the data than a Neighbor Joining or BME tree. Residual resampling shows that cancer cell lines do indeed fit a tree fairly well and that the tree does have strong internal structure. Simulations show that least squares tree building methods, including OLS, are strong competitors with BME type methods for fitting model data, while real world examples often suggest the same conclusion.

研究の動機と目的

• モデルの適合パラメータ数を補正した幾何平均百分率標準偏差を用いて、系統樹の適合度評価を改善すること。
• 任意の距離重み関数に一般化可能な残差リサンプリングフレームワークを確立すること。
• ロスら（2000年）の細胞線遺伝子発現データセットを、高度な残差ベースの系統樹適合指標を用いて再評価すること。
• 実生物学的データおよびシミュレートされたモデルデータへのOLS、BME、ネイバー・ジョインイング手法の適合性能を比較すること。
• 残差リサンプリング技術を用いて、がん細胞線に強い内部系統構造が存在することを検証すること。

提案手法

• 適合パラメータ数を考慮した幾何平均百分率標準偏差（gPMSD）測定法を適応し、モデル適合度の評価を向上させること。
• 進化的距離に依存する任意の重み関数に適用可能な残差リサンプリングの一般化された式を導出すること。
• ロスら（2000年）の遺伝子発現データセットに残差リサンプリングを適用し、系統樹の適合度および内部構造を評価すること。
• モデルデータ条件下でOLS、BME、ネイバー・ジョインイング手法の性能を比較するためのシミュレーションを実施すること。
• ブートストラップを用いた残差リサンプリングにより、系統樹トポロジーおよび内部構造の統計的有意性と頑健性を検証すること。
• シミュレートされたデータおよび実世界のデータにおいて、OLSおよびBME型手法の相対的な性能と信頼性を評価するために比較を行うこと。

実験結果

リサーチクエスチョン

• RQ1 モデルの複雑さを補正した幾何平均百分率標準偏差を用いることで、系統樹の適合度評価はどの程度向上するか？
• RQ2 残差リサンプリングフレームワークは、系統樹解析における任意の距離重み関数に一般化可能か？
• RQ3 通常最小二乗法（OLS）は、ロスら（2000年）の細胞線遺伝子発現データに対して、ネイバー・ジョインイングやBME手法よりも優れた適合度を示すか？
• RQ4 残差リサンプリングにより、がん細胞線系統樹の強い内部構造がどの程度確認されるか？
• RQ5 OLSおよびBME型手法は、シミュレートされたモデルデータおよび実生物学的データへの適合において、どのように比較されるか？

主な発見

• 残差解析により、OLSがロスら（2000年）の遺伝子発現データに対してネイバー・ジョインイングやBME手法よりも顕著に優れた適合度を示した。
• 残差リサンプリングにより、がん細胞線に強い内部系統構造が存在することが確認され、系統樹ベースの表現の妥当性が裏付けられた。
• シミュレーションにより、最小二乗法（OLSを含む）が、モデルデータへの適合においてBME型手法と同等以上に頑健であり、強力な競争相手であることが示された。
• 補正された幾何平均百分率標準偏差測定法は、モデルの複雑さを効果的に反映し、適合度評価の正確性を向上させた。
• 実世界のデータ解析では、遺伝子発現データの文脈において、OLSがBMEおよびネイバー・ジョインイング手法よりも優れた適合手法であることが一貫して支持された。
• 残差リサンプリングにおける重み関数の一般化により、多様な系統距離モデルに柔軟に適用可能であることが明らかになった。