[论文解读] Learning networks from high dimensional binary data: An application to genomic instability data

Pei Wang, Dennis L. Chao+1 more|ArXiv.org|Aug 26, 2009

Gene expression and cancer classification参考文献 28被引用 13

一句话总结

该论文提出LogitNet，一种新颖方法，通过使用具有对称系数约束和空间相关性校正的稀疏正则化逻辑回归，从高维二值基因组不稳定性数据中学习遗传相互作用网络。该方法通过强制对称性和利用群体选择，提高了边缘检测的准确性，在模拟研究和乳腺癌数据应用中表现出优越性能。

ABSTRACT

Genomic instability, the propensity of aberrations in chromosomes, plays a critical role in the development of many diseases. High throughput genotyping experiments have been performed to study genomic instability in diseases. The output of such experiments can be summarized as high dimensional binary vectors, where each binary variable records aberration status at one marker locus. It is of keen interest to understand how these aberrations interact with each other. In this paper, we propose a novel method, exttt{LogitNet}, to infer the interactions among aberration events. The method is based on penalized logistic regression with an extension to account for spatial correlation in the genomic instability data. We conduct extensive simulation studies and show that the proposed method performs well in the situations considered. Finally, we illustrate the method using genomic instability data from breast cancer samples.

研究动机与目标

• 开发一种从高维二值基因组不稳定性谱型（p >> n）中推断致癌通路的方法。
• 解决在样本量有限的高维二值数据中条件依赖性估计的挑战。
• 通过在所有异常事件对之间强制执行条件依赖估计的对称性，提高边缘检测的准确性。
• 将基因组上的空间相关性纳入模型，以增强对生物上合理相互作用的检测能力。
• 提供一致且可解释的网络结构，避免现有方法中常见的矛盾邻域发现问题。

提出的方法

• LogitNet 在树状结构假设下使用联合概率模型，推导出一组具有对称系数矩阵的p个逻辑回归模型。
• 该方法应用套索惩罚以在系数矩阵中诱导稀疏性，从而选择相关的条件依赖关系。
• 引入空间加权方案以考虑基因组位置相关性，促进邻近标记的群体选择。
• 对称系数矩阵约束确保所有变量对之间条件依赖关系的一致性。
• 实现了一种高效算法，以求解具有对称性和空间加权约束的优化问题。
• 该方法通过确保推断网络结构的兼容性和一致性，扩展了标准邻域选择方法。

实验结果

研究问题

• RQ1 与现有方法相比，对称的、惩罚性逻辑回归方法是否能提高高维二值基因组不稳定性数据中边缘检测的准确性？
• RQ2 在基因组上整合空间相关性如何影响对生物相关致癌通路的识别？
• RQ3 在系数矩阵中强制对称性是否能产生比非对称方法更一致且更可解释的网络结构？
• RQ4 在各种高维、小样本量的情境下，LogitNet在假阳性率和假阴性率方面的表现如何？
• RQ5 在模拟和真实乳腺癌基因组不稳定性数据中，LogitNet与SepLogit方法相比，在检测已知生物相互作用方面表现如何？

主要发现

• 在多种模拟情景下，包括链式和树状结构的致癌通路，LogitNet在边缘检测中的总误差率均低于SepLogit方法。
• 在链式模型中，LogitNet的平均总误差率为0.15，而SepLogit为0.22，假阳性率和假阴性率均显著降低。
• 在树状模型中，LogitNet在最常见模式（11q24.2, 13q21.33）下成功检测出全部10条选定边，表明其具有高敏感性和高精度。
• 该方法成功识别出生物上相关的相互作用，包括CHEK1和DACH1，它们已知可调控CDKN1A和细胞周期进程。
• 在真实乳腺癌数据中，LogitNet在至少4个样本数据集（共10个）中检测到10条边，最常被选中的配对为11q24.2和13q21.33。
• 空间加权和对称性强制导致群体选择效应，即高度相关的基因组区域被一致地同时包含或排除。