[论文解读] Characterizing Spatiotemporal Transcriptome of Human Brain via Low Rank Tensor Decomposition

Tianqi Liu, Ming Yuan+1 more|arXiv (Cornell University)|Feb 24, 2017

Tensor decomposition and applications参考文献 28被引用 21

一句话总结

本文提出了一种低秩张量主成分分析（张量PCA）方法，用于建模人类大脑中的时空基因表达，利用张量结构联合捕捉空间和时间动态。该方法结合张量展开与幂迭代实现高效计算，并实现最优的统计收敛速率，在保留脑区和发育阶段间复杂转录组模式方面优于基于矩阵的PCA。

ABSTRACT

Spatiotemporal gene expression data of the human brain offer insights on the spa- tial and temporal patterns of gene regulation during brain development. Most existing methods for analyzing these data consider spatial and temporal profiles separately with the implicit assumption that different brain regions develop in similar trajectories, and that the spatial patterns of gene expression remain similar at different time points. Al- though these analyses may help delineate gene regulation either spatially or temporally, they are not able to characterize heterogeneity in temporal dynamics across different brain regions, or the evolution of spatial patterns of gene regulation over time. In this article, we develop a statistical method based on low rank tensor decomposition to more effectively analyze spatiotemporal gene expression data. We generalize the clas- sical principal component analysis (PCA) which is applicable only to data matrices, to tensor PCA that can simultaneously capture spatial and temporal effects. We also propose an efficient algorithm that combines tensor unfolding and power iteration to estimate the tensor principal components, and provide guarantees on their statistical performances. Numerical experiments are presented to further demonstrate the mer- its of the proposed method. An application of our method to a spatiotemporal brain expression data provides insights on gene regulation patterns in the brain.

研究动机与目标

• 为解决经典PCA在分析三阶时空基因表达数据时的局限性，将PCA推广至高阶张量。
• 建模人类大脑中基因表达的联合空间与时间动态，捕捉脑区间发育轨迹的异质性。
• 开发一种计算高效的算法，在估计张量主成分时保持统计最优性。
• 在低秩结构假设下，为所提出的张量PCA估计器提供收敛速率的理论保证。

提出的方法

• 该方法通过低秩逼近将经典PCA推广至三阶张量，将基因表达建模为具有基因、脑区和时间点维度的三维数组。
• 通过强制各秩一成分之间的正交性，确保低秩逼近的定义良好且可解释，避免非正交张量分解的病态性。
• 采用高效的算法，结合张量展开与幂迭代，以估计主成分，实现对大规模转录组数据的可扩展计算。
• 理论分析表明，在适当的正则性条件下，估计器可实现最优收敛速率，即使在高维设置下亦成立。
• 通过扰动分析考虑噪声影响，利用残差项的谱范数界定了成分估计误差。
• 利用集中不等式和矩阵扰动理论推导出统计保证，尤其关注估计成分与真实成分之间的对齐程度。

实验结果

研究问题

• RQ1 基于张量的PCA框架能否有效建模人类大脑中基因表达的联合时空模式，超越基于矩阵PCA的建模能力？
• RQ2 在高维、噪声的时空转录组数据中，如何高效估计张量主成分，同时保持统计最优性？
• RQ3 所提出的方法在多大程度上能捕捉人类大脑中不同脑区发育基因表达动态的区域异质性？
• RQ4 在低秩与噪声假设下，张量PCA估计器的理论收敛性质如何？
• RQ5 与分别对空间或时间谱系应用标准PCA相比，所提出方法的性能如何？

主要发现

• 在低秩与噪声假设下，所提出的张量PCA方法实现了最优的统计收敛速率，误差界为 $ O_p\big(\theta^{-2}(2\theta^2 + \theta)\big)\big(\frac{d_S + d_T}{d_G}\big)^{1/2} $，其中 $ \theta $ 为信噪比。
• 该算法以高概率收敛至真实主成分，其收敛性由边界 $ 1 - \tau_m = O_p\big(\theta_k^{-2}(2\theta^2 + \theta_1\theta)\big)\big(\frac{d_S + d_T}{d_G}\big)^{1/2} $ 保证，其中 $ \tau_m $ 衡量第 $ m $ 次迭代时的对齐程度。
• 数值实验表明，该方法能有效降低数据维度，同时保留时空转录组的内在结构。
• 该方法成功识别出脑区与发育阶段间一致的基因表达模式，揭示了通过单独的空间或时间PCA无法检测到的动态调控程序。
• 理论分析证实，正交性约束在张量PCA中对良态性与统计一致性至关重要，而这一点在矩阵PCA中并非必需。
• 在Kang等（2011）真实数据上的应用表明，该方法能捕捉到具有生物学意义的基因表达动态，包括区域特异的发育轨迹。