[论文解读] Correcting Nuisance Variation using Wasserstein Distance

Gil Tabak, Minjie Fan+3 more|arXiv (Cornell University)|Nov 2, 2017

Cell Image Analysis Techniques参考文献 27被引用 3

一句话总结

该论文提出了一种新颖的框架，通过最小化不同实验领域间分布嵌入的Wasserstein距离，纠正图像嵌入中的干扰变异，从而在保留生物信号的同时减少批次效应。该方法通过提升k-NN MOA分配和轮廓系数，改善了下游表型谱分析，且无需假设数据服从高斯分布。

ABSTRACT

Profiling cellular phenotypes from microscopic imaging can provide meaningful biological information resulting from various factors affecting the cells. One motivating application is drug development: morphological cell features can be captured from images, from which similarities between different drug compounds applied at different doses can be quantified. The general approach is to find a function mapping the images to an embedding space of manageable dimensionality whose geometry captures relevant features of the input images. An important known issue for such methods is separating relevant biological signal from nuisance variation. For example, the embedding vectors tend to be more correlated for cells that were cultured and imaged during the same week than for those from different weeks, despite having identical drug compounds applied in both cases. In this case, the particular batch in which a set of experiments were conducted constitutes the domain of the data; an ideal set of image embeddings should contain only the relevant biological information (e.g. drug effects). We develop a general framework for adjusting the image embeddings in order to `forget' domain-specific information while preserving relevant biological information. To achieve this, we minimize a loss function based on distances between marginal distributions (such as the Wasserstein distance) of embeddings across domains for each replicated treatment. For the dataset we present results with, the only replicated treatment happens to be the negative control treatment, for which we do not expect any treatment-induced cell morphology changes. We find that for our transformed embeddings (i) the underlying geometric structure is not only preserved but the embeddings also carry improved biological signal; and (ii) less domain-specific information is present.

研究动机与目标

• 解决由培养条件或成像会话差异等实验批次效应引起的图像嵌入中的干扰变异问题。
• 开发一种领域不变的嵌入变换方法，以保留相关生物信号的同时消除领域特异性伪影。
• 通过确保嵌入反映生物处理效应而非实验变异，实现对药物化合物更准确的表型谱分析。
• 提供一种灵活的非参数替代方法，以替代现有批次校正方法，且无需假设数据服从高斯分布。
• 在可用的情况下，通过利用多个治疗重复样本，将批次校正从阴性对照扩展至其他治疗类型。

提出的方法

• 该方法采用极小化极大优化框架，学习领域特定的变换 $ A_d $，以对齐不同实验领域间嵌入的边缘分布。
• 损失函数基于同一治疗在不同领域间嵌入分布之间的Wasserstein距离，以促进领域不变性。
• 使用神经网络近似Wasserstein距离，使该方法能够处理嵌入的一般性、非高斯分布。
• 该框架在训练过程中最小化领域特定的分布差异，同时保留嵌入空间的几何结构。
• 该方法隐含假设：从阴性对照中学到的变换可推广至其他治疗，尽管其亦可扩展至多个治疗重复。
• 通过正则化或早停策略防止训练过程中的嵌入坍塌，确保生物相关信号的有意义分离。

实验结果

研究问题

• RQ1 Wasserstein距离能否有效用于对齐不同实验领域间的图像嵌入，同时保留生物信号？
• RQ2 所提出的方法是否能提高药物作用机制（MOA）预测等表型谱分析任务的准确性？
• RQ3 在保留嵌入几何结构和减少领域特异性变异方面，该方法与现有批次校正技术相比表现如何？
• RQ4 该框架能否超越阴性对照，推广至利用多个治疗重复样本？
• RQ5 使用更复杂的变换函数或替代损失公式对性能有何影响？

主要发现

• 经变换的嵌入保留了原始嵌入空间的底层几何结构，这一点通过稳定的k-NN MOA分配指标得到验证。
• 校正后轮廓系数有所提高，表明生物相似治疗的聚类效果更好。
• 该方法成功减少了领域特异性变异，使得同一治疗在不同批次中的嵌入变得更加相似。
• 该方法无需假设数据服从高斯分布形式，因此适用于复杂的真实世界生物数据。
• 与基线归一化方法及现有批次校正方法相比，该方法在保留生物信号方面表现更优。
• 尽管当前实现依赖阴性对照进行对齐，但该框架可扩展至多个治疗重复，未来应用中有望进一步提升性能。