[论文解读] Non-iterative Joint and Individual Variation Explained

Qing Feng, Jan Hannig+1 more|arXiv (Cornell University)|Dec 13, 2015

Gene expression and cancer classification参考文献 13被引用 5

一句话总结

本文提出非迭代JIVE，一种快速、非迭代的方法，通过得分子空间和扰动理论将多个数据块分解为联合变异和个体变异成分。该方法无需归一化即可实现精确分解，提高了对数据异质性的鲁棒性，并在确保可识别性和理论保证的同时，通过奇异值分解和行空间分析，实现相较于JIVE 16倍的速度提升。

ABSTRACT

Integrative analysis of disparate data blocks measured on a common set of experimental subjects is one major challenge in modern data analysis. This data structure naturally motivates the simultaneous exploration of the joint and individual variation within each data block resulting in new insights. For instance, there is a strong desire to integrate the multiple genomic data sets in The Cancer Genome Atlas (TCGA) to characterize the common and also the unique aspects of cancer genetics and cell biology for each source. In this paper we introduce Non-iterative Joint and Individual Variation Explained (Non-iterative JIVE), capturing both joint and individual variation within each data block. This is a major improvement over earlier approaches to this challenge in terms of a new conceptual understanding, much better adaption to data heterogeneity and a fast linear algebra computation. Important mathematical contributions are the use of score subspaces as the principal descriptors of variation structure and the use of perturbation theory as the guide for variation segmentation. This leads to a method which is robust against the heterogeneity among data blocks without a need for normalization. An application to TCGA data reveals different behaviors of each type of signal in characterizing tumor subtypes. An application to a mortality data set reveals interesting historical lessons.

研究动机与目标

• 解决现有迭代、依赖归一化的JIVE方法在整合多个数据块时的局限性。
• 提供一种理论基础坚实、非迭代的算法，确保联合与个体变异成分的可识别性。
• 通过避免任意的归一化过程，提高对数据异质性的鲁棒性。
• 建立基于得分子空间和扰动理论的新型变异分解概念框架。
• 实现对复杂多组学和异质性数据集（如TCGA和历史死亡率数据）的高效、可扩展分析。

提出的方法

• 以行空间（ℝⁿ中的得分子空间）为主要变异描述工具，聚焦于患者等数据对象之间的模式。
• 应用扰动理论量化噪声影响，并指导联合变异与个体变异的分割。
• 将联合得分子空间定义为所有单个数据块行空间的交集：row(J) = ⋂ₖ row(Aₖ)。
• 对由估计的右奇异向量组成的拼接矩阵M执行奇异值分解（SVD），以提取联合成分。
• 通过SVD的顺序优化方法识别联合成分，即最大化投影到与先前成分正交的秩-1子空间的Frobenius范数。
• 通过扰动界理论证明，消除联合成分选择的调参需求。

实验结果

研究问题

• RQ1 联合与个体变异是否可以以既可识别又计算高效的方式分解？
• RQ2 如何利用扰动理论在多区块数据中区分真实联合信号与噪声？
• RQ3 是否可能在不依赖数据归一化的情况下，同时保持对数据尺度和维度异质性的鲁棒性？
• RQ4 估计的得分子空间与真实潜在联合变异结构之间的理论关系是什么？
• RQ5 与现有迭代方法（如JIVE和O2-PLS）相比，非迭代方法在速度和准确性上表现如何？

主要发现

• 联合得分子空间被唯一定义为所有单个数据块行空间的交集，确保了可识别性。
• 当应用于真实的TCGA数据时，该方法相比原始JIVE算法实现了16倍的速度提升。
• 理论边界表明，拼接矩阵M的前rJ个奇异值满足σ²ⱼ ≥ ∑ₖ₌₁ᴷ cos²θₖ，证实了联合成分的检测。
• 该方法消除了对任意归一化的需求，提高了对各数据块间异质性的鲁棒性。
• 在TCGA数据上的应用揭示了在表征肿瘤亚型方面具有显著不同的信号行为，而死亡率数据则揭示了历史模式。
• 通过扰动理论的理论依据，该方法为联合成分选择提供了统计保证，消除了对调参的依赖。