[论文解读] A rate optimal procedure for sparse signal recovery under dependence

Jun Li, Ping‐Shou Zhong|arXiv (Cornell University)|Oct 10, 2014

Sparse and Compressive Sensing Techniques参考文献 19被引用 3

一句话总结

本文提出了一种依赖辅助阈值化与剔除（DATE）程序，用于在具有依赖随机向量的高维设置下进行稀疏信号恢复。通过利用变量间的依赖关系，DATE在边际错误非发现率（mFNR）方面实现了比独立数据更快的最优收敛速度，同时将边际错误发现率（mFDR）控制在预设水平，展示了在依赖结构下信号识别能力的提升。

ABSTRACT

The paper considers the problem of identifying the sparse different components between two high dimensional means of column-wise dependent random vectors. We show that the dependence can be utilized to lower the identification boundary for signal recovery. Moreover, an optimal convergence rate for the marginal false non-discovery rate (mFNR) is established under the dependence. The convergence rate is faster than the optimal rate without dependence. To recover the sparse signal bearing dimensions, we propose a Dependence-Assisted Thresholding and Excising (DATE) procedure, which is shown to be rate optimal for the mFNR with the marginal false discovery rate (mFDR) controlled at a pre-specified level. Simulation studies and case study are given to demonstrate the performance of the proposed signal identification procedure.

研究动机与目标

• 为解决在列向依赖的高维数据中识别稀疏信号的挑战，此类情况在基因组学和组学研究中普遍存在。
• 研究变量间的依赖关系如何影响信号识别边界，特别是依赖关系是否能降低成功恢复信号的阈值。
• 在依赖结构下建立边际错误非发现率（mFNR）的最优收敛速率，证明其快于独立情况下的收敛速率。
• 开发一种实用的、最优速率的程序，在依赖存在的情况下控制mFDR的同时最小化mFNR。
• 通过模拟研究和染色体X上差异表达基因的真实案例研究，验证该方法。

提出的方法

• 提出DATE（依赖辅助阈值化与剔除）程序，通过估计的协方差矩阵将依赖结构整合到信号检测中。
• 采用基于检验统计量的阈值规则，该规则考虑了依赖结构，从而在检测功效上优于标准方法。
• 使用数据驱动的方法估计协方差矩阵Σ，以建模变量间的依赖关系，实现精确的信号识别。
• 通过一种针对依赖结构改进的Benjamini-Hochberg型程序，将边际错误发现率（mFDR）控制在预设水平。
• 推导出在依赖结构下mFNR的最优收敛速率，证明其严格快于独立情况下的收敛速率。
• 将该方法应用于高维两样本均值比较，将数据建模为X_ij = μ_i + ε_ij，其中ε_ij为i.i.d. N(0, Σ_i)，并聚焦于δ = μ_1 - μ_2。

实验结果

研究问题

• RQ1 高维变量间的依赖关系如何影响稀疏信号恢复中的信号识别边界？
• RQ2 是否可以利用依赖结构，使边际错误非发现率（mFNR）的最优收敛速率快于独立数据？
• RQ3 在一般依赖结构下，mFNR的最优收敛速率是什么？与独立情况相比如何？
• RQ4 是否存在一种实用程序，能在控制mFDR于预设水平的同时实现该最优收敛速率？
• RQ5 在有限样本下，所提出的DATE程序与现有方法（如BH）在mFDR、mFNR和真正发现率方面相比表现如何？

主要发现

• 在依赖结构下，信号识别边界严格低于独立情况，意味着在考虑依赖关系时，可使用更弱的效果大小恢复信号。
• 在依赖结构下，边际错误非发现率（mFNR）的最优收敛速率快于独立情况下的收敛速率，证明了利用依赖关系的理论优势。
• DATE程序在控制mFDR于预设水平的同时，实现了mFNR的最优收敛速率，因此在依赖设定下为速率最优。
• 模拟研究显示，DATE在各种稀疏度水平和信号强度下均保持低mFDR（约0.03–0.05）和低mFNR（约0.005–0.007），优于BH程序。
• 在染色体X的案例研究中，DATE在FDR = 0.001时识别出39个差异表达基因，而BH仅识别出27个，其中22个基因为两者共有，表明DATE具有更高的灵敏度。
• 该方法对协方差矩阵的误设具有鲁棒性，DATE_Ω̂（使用估计的Ω̂）的表现与DATE_Σ（使用真实Σ）非常接近。