[论文解读] Inference on High-dimensional Differential Correlation Matrix

Tommaso Cai, Anru R. Zhang|arXiv (Cornell University)|Aug 25, 2014

Gene expression and cancer classification被引用 4

一句话总结

本文提出了一种自适应阈值化程序，用于估计和检验高维差异相关矩阵，在稀疏差异设定下实现了极小极大率最优性。该方法在性能上显著优于独立估计方法，并在乳腺癌数据中识别出具有生物学意义的基因共表达模式。

ABSTRACT

Motivated by differential co-expression analysis in genomics, we consider in this paper estimation and testing of high-dimensional differential correlation matrices. An adaptive thresholding procedure is introduced and theoretical guarantees are given. Minimax rate of convergence is established and the proposed estimator is shown to be adaptively rate-optimal over collections of paired correlation matrices with approximately sparse differences. Simulation results show that the procedure significantly outperforms two other natural methods that are based on separate estimation of the individual correlation matrices. The procedure is also illustrated through an analysis of a breast cancer dataset, which provides evidence at the gene co-expression level that several genes, of which a subset has been previously verified, are associated with the breast cancer. Hypothesis testing on the differential correlation matrices is also considered. A test, which is particularly well suited for testing against sparse alternatives, is introduced. In addition, other related problems, including estimation of a single sparse correlation matrix, estimation of the differential covariance matrices, and estimation of the differential cross-correlation matrices, are also discussed.

研究动机与目标

• 解决基因组学中常见的高维设定下差异相关矩阵估计的挑战。
• 开发一种能够适应成对相关矩阵之间差异稀疏性的方法。
• 建立差异相关矩阵估计的理论极小极大收敛速率。
• 实现对差异相关矩阵的假设检验，尤其针对稀疏备择假设。
• 将框架扩展至相关问题：单个稀疏相关矩阵估计、差异协方差矩阵以及跨相关矩阵。

提出的方法

• 引入一种自适应阈值化程序，用于估计两个高维相关矩阵之间的差异。
• 采用一种数据驱动的阈值规则，自适应于差异矩阵未知的稀疏水平。
• 在近似稀疏差异相关矩阵的类上，建立所提出估计器的理论极小极大收敛速率。
• 提出一种针对检测稀疏差异相关结构的检验统计量。
• 通过乳腺癌基因共表达数据集的实际数据应用，识别出具有生物学意义的关联。
• 将框架扩展至差异协方差矩阵和跨相关矩阵的估计。

实验结果

研究问题

• RQ1 自适应阈值化程序是否能在估计高维差异相关矩阵时实现极小极大率最优性？
• RQ2 在有限样本下，所提出方法与单独估计单个相关矩阵的方法相比表现如何？
• RQ3 该方法能否在真实基因组数据中检测出具有生物学意义的差异共表达模式？
• RQ4 针对稀疏差异相关备择假设，该检验统计量的理论性能如何？
• RQ5 该框架在多大程度上可扩展至差异协方差矩阵和跨相关矩阵的估计？

主要发现

• 所提出的自适应阈值化估计器在具有近似稀疏差异的成对相关矩阵集合上，达到了极小极大收敛速率。
• 该估计器具有自适应率最优性，即在无需事先知晓稀疏性的情况下，对广泛类别的稀疏差异结构均表现良好。
• 模拟结果表明，与两种基于单独估计单个相关矩阵的自然方法相比，性能有显著提升。
• 在乳腺癌数据集上的应用揭示了与已知生物学关联一致的基因共表达模式，支持了该方法的生物学相关性。
• 所提出的差异相关性检验在检测稀疏备择假设时尤为有效，在低信噪比环境下表现出高统计功效。
• 该框架可扩展至差异协方差矩阵和跨相关矩阵的估计，从而拓宽了其在多元分析中的适用范围。