[论文解读] The knockoff filter for FDR control in group-sparse and multitask regression

Ran Dai, Rina Foygel Barber|arXiv (Cornell University)|Feb 11, 2016

Statistical Methods and Inference参考文献 6被引用 22

一句话总结

本文提出了群体 knockoff筛选方法，一种在群体稀疏和多任务线性回归中控制错误发现率（FDR）的方法，通过在群体层面构建 knockoff 副本实现。该方法通过利用群体结构，在保持统计误差控制的同时提升了检验效能，在模拟数据和真实世界的人类免疫缺陷病毒（HIV）耐药性数据中均表现出有效的 FDR 控制和更高的发现率。

ABSTRACT

We propose the group knockoff filter, a method for false discovery rate control in a linear regression setting where the features are grouped, and we would like to select a set of relevant groups which have a nonzero effect on the response. By considering the set of true and false discoveries at the group level, this method gains power relative to sparse regression methods. We also apply our method to the multitask regression problem where multiple response variables share similar sparsity patterns across the set of possible features. Empirically, the group knockoff filter successfully controls false discoveries at the group level in both settings, with substantially more discoveries made by leveraging the group structure.

研究动机与目标

• 解决在特征天然分组或多个响应共享稀疏模式时，高维回归中错误发现控制的挑战。
• 通过利用特征选择中的群体级结构，而非单独处理特征，提升特征选择的统计效能。
• 将原本专为单个特征选择设计的 knockoff 筛选框架，扩展至群体稀疏和多任务回归设置。
• 通过实证验证该方法在群体层面控制 FDR 的能力，同时相比标准稀疏回归方法，能发现更多真实相关特征。

提出的方法

• 构建整个特征群体的 knockoff 副本，而非单个特征，以在设计矩阵中保持群体结构。
• 采用等变 knockoff 构造方法，确保原始特征与 knockoff 特征的联合分布满足 FDR 控制所需的对称性条件。
• 对原始特征与 knockoff 特征的组合应用群体 Lasso 惩罚，基于系数差异识别相关群体。
• 通过将问题重述为具有堆叠响应和分块对角设计矩阵的群体 Lasso 问题，将 knockoff 方法适配至多任务回归。
• 采用目标 FDR 水平（例如，q=0.2），并通过调节惩罚参数在维持 FDR 控制的同时最大化发现数量。
• 使用基于原始群体与 knockoff 群体之间群体 Lasso 系数差异的 knockoff 统计量，对群体进行排序并选择。

实验结果

研究问题

• RQ1 knockoff 筛选能否扩展至群体稀疏回归，实现在群体层面控制 FDR 的同时提升统计效能？
• RQ2 在多个响应共享共同稀疏模式的多任务回归设置中，群体 knockoff 筛选方法表现如何？
• RQ3 在特征选择中利用群体结构是否能带来比单个特征 knockoff 更多的真实发现？
• RQ4 在高维设置中（$ n \geq p $），该方法能否在群体大小不一的情况下维持 FDR 控制，尤其是当群体大小和信号强度变化时？
• RQ5 与对每个响应单独使用标准 knockoff 方法相比，多任务 knockoff 筛选方法在发现率和与生物先验的一致性方面表现如何？

主要发现

• 群体 knockoff 筛选方法在群体稀疏和多任务回归设置中，成功将错误发现率控制在目标水平（例如，q=0.2）。
• 在模拟实验中，通过利用群体级稀疏性，群体 knockoff 筛选方法相比单个特征 knockoff 显著提高了发现率。
• 在 HIV-1 耐药性数据集中，多任务 knockoff 方法识别出的已知治疗选择性突变（TSM）比例高于对每种药物单独应用标准 knockoff 方法的结果。
• 尽管在 HIV 数据中总发现数少于标准 knockoff 方法，但多任务 knockoff 方法与 TSM 面板的吻合度更高，表明其具有更高的精确度。
• 该方法在多种模拟和真实数据场景中均能维持 FDR 控制，即使在群体大小和信号强度变化的情况下依然有效。
• 使用群体级 knockoff 有助于实现更具可解释性和生物学意义的特征选择，尤其在基因组学等突变以功能群组形式出现的场景中。