[論文レビュー] Singular Value Decomposition and Principal Component Analysis

Michael E. Wall, Andreas Rechtsteiner+1 more|ArXiv.org|Aug 29, 2002

Gene expression and cancer classification被引用数 117

ひとこと要約

本論文は、遺伝子発現データ解析における特異値分解（SVD）および主成分分析（PCA）の適用について包括的なガイドを提示し、ノイズが多いデータにおける可視化、次元削減、パターン検出を強調している。SVDと共分散に基づくPCAの間の数学的同等性を確立し、バイオインフォマティクス研究におけるこれらの手法の解釈および拡張の統一されたフレームワークを提供する。

ABSTRACT

This chapter describes gene expression analysis by Singular Value Decomposition (SVD), emphasizing initial characterization of the data. We describe SVD methods for visualization of gene expression data, representation of the data using a smaller number of variables, and detection of patterns in noisy gene expression data. In addition, we describe the precise relation between SVD analysis and Principal Component Analysis (PCA) when PCA is calculated using the covariance matrix, enabling our descriptions to apply equally well to either method. Our aim is to provide definitions, interpretations, examples, and references that will serve as resources for understanding and extending the application of SVD and PCA to gene expression analysis.

研究の動機と目的

• 遺伝子発現データを解析する研究者に対して、SVDおよびPCAの明確でアクセスしやすい導入を提供すること。
• SVDが高次元の遺伝子発現データセットの可視化と解釈をどのように可能にするかを示すこと。
• SVDを用いて少ない変数で複雑なデータを表現し、ノイズを低減するとともに、潜在的なパターンを強調できることを示すこと。
• PCAを共分散行列から計算する場合に、SVDとPCAの正確な数学的関係を明確にすること。
• バイオインフォマティクスおよびシステム生物学におけるSVDおよびPCAの応用拡張のための参考資料としての役割を果たすこと。

提案手法

• 遺伝子発現データ行列に特異値分解（SVD）を適用し、直交成分に分解する。
• 左および右の特異ベクトルを用いて、データを低次元部分空間に射影し、可視化および分析に用いる。
• 特異値を各主成分が説明する分散の尺度として解釈する。
• データ行列のSVDと、データの共分散行列から計算されたPCAとの同等性を確立する。
• 成分および分散の適切な解釈を保証するため、正規化および中心化手順を適用する。
• 得られた分解を用いてノイズ除去、データ圧縮、および共調節御遺伝子クラスタの同定に活用する。

実験結果

リサーチクエスチョン

• RQ1 SVDをどのように活用すれば、高次元の遺伝子発現データを効果的に可視化できるか？
• RQ2 PCAを共分散行列を用いて計算する場合、SVDとPCAの関係は何か？
• RQ3 SVDはどれほどノイズが多い遺伝子発現データからノイズを低減し、意味のある生物学的パターンを抽出できるか？
• RQ4 SVDを用いて情報の損失が顕著にない範囲で、遺伝子発現データを少ない変数で表現するにはどうすればよいか？
• RQ5 遺伝子発現解析においてSVDを従来のPCAと比較して使用する際の実用的意義は何か？

主な発見

• SVDは、遺伝子発現データにおける次元削減に対して、数値的に安定的で効率的な手法を提供する。
• SVDと共分散に基づくPCAとの間の数学的同等性が厳密に確立されており、データ解析における相互に交換可能な使用が可能である。
• 特異値は各主成分が説明する分散の量を定量化しており、成分の適切な選択を可能にする。
• SVDを用いることで、データを2次元または3次元の部分空間に射影することで、遺伝子発現パターンの効果的な可視化が可能になる。
• 実験的ノイズが存在する中でも、生物学的に関連するパターンを効果的に検出できる。
• SVD成分の正確な解釈およびその生物学的関連性を確保するためには、データの適切な中心化および正規化が不可欠である。