[论文解读] Nonnegative Matrix Factorization with Group and Basis Restrictions

Phillip Shreeves, Jeffrey L. Andrews+3 more|arXiv (Cornell University)|Jul 1, 2021

Matrix Theory and Algorithms被引用 4

一句话总结

本文提出群组与基底受限非负矩阵分解（GBR-NMF），即NMF的一种扩展方法，通过将因子矩阵H分解为辅助矩阵和半约束矩阵，整合已知光谱组分与样本分组的先验知识。该方法通过施加群组与基底约束，提升了拉曼光谱与面部图像数据的可解释性与准确性，实现了对生物相关光谱特征的发现以及细胞系辐射反应的更清晰分离。

ABSTRACT

Nonnegative matrix factorization (NMF) is a popular method used to reduce dimensionality in data sets whose elements are nonnegative. It does so by decomposing the data set of interest, $\mathbf{X}$, into two lower rank nonnegative matrices multiplied together ($\mathbf{X} \approx \mathbf{WH}$). These two matrices can be described as the latent factors, represented in the rows of $\mathbf{H}$, and the scores of the observations on these factors that are found in the rows of $\mathbf{W}$. This paper provides an extension of this method which allows one to specify prior knowledge of the data, including both group information and possible underlying factors. This is done by further decomposing the matrix, $\mathbf{H}$, into matrices $\mathbf{A}$ and $\mathbf{S}$ multiplied together. These matrices represent an 'auxiliary' matrix and a semi-constrained factor matrix respectively. This method and its updating criterion are proposed, followed by its application on both simulated and real world examples.

研究动机与目标

• 通过在分解过程中整合先验生物学知识，解决标准NMF与PCA在拉曼光谱中的局限性。
• 通过允许用户指定已知化学组分与样本分组，提升非负矩阵分解中潜在因子的可解释性。
• 开发一种灵活的建模框架，支持具有生物学或物理约束的非负数据的半监督降维。
• 通过无约束基底恢复，发现新型潜在生物显著性光谱组分，同时保留已知组分。
• 提供一种稳健方法，用于分析非负性与先验知识对有意义解释至关重要的复杂高维生物医学数据。

提出的方法

• 将NMF因子矩阵H分解为两个矩阵A（辅助）与S（半约束），使得H = A × S，从而嵌入已知基底与群组信息。
• 对所有矩阵（W、H、A、S）施加非负性约束，以保持物理解释性，并确保加法性与部件化表示。
• 推导一种交替非负最小二乘更新算法，采用乘法更新规则，以最小化残差误差的Frobenius范数。
• 引入灵活的约束结构，其中部分基底行与群组列完全无约束，从而实现未知组分的发现。
• 将该方法应用于模拟数据与三个人癌细胞系（H460、MCF7、LNCaP）的真实拉曼光谱数据，以测试性能。
• 使用残差误差与重构质量（如原始谱与重构谱的视觉对比）作为评估指标。

实验结果

研究问题

• RQ1 在拉曼光谱中，整合已知化学组分与样本分组的先验知识，是否能提升NMF的可解释性与准确性？
• RQ2 群组与基底约束的引入，如何影响光谱数据中细胞系辐射反应的分离效果？
• RQ3 GBR-NMF框架能否发现通过标准NMF或PCA未识别出的新型、潜在生物显著性光谱组分？
• RQ4 在从约束与无约束因子重构数据时，该模型在多大程度上保持了原始光谱结构？
• RQ5 GBR-NMF在识别与放射敏感性相关的生化变化方面，与标准NMF和PCA相比表现如何？

主要发现

• GBR-NMF成功以高保真度恢复了已知的糖原等组分的光谱基底，在群组约束下与标准细胞谱图高度接近。
• LNCaP前列腺癌细胞系的平均糖原评分显著较低（低于1.5），与已知的放射敏感性生物学差异一致。
• 当将糖原评分与第五个无约束基底的评分结合时，LNCaP与其他两个细胞系实现了完全分离，表明可能存在新型生物标志物。
• GBR-NMF重构的拉曼光谱与原始实验谱高度匹配，显示出强大的数据保真度与模型准确性。
• 该方法揭示了一个此前未被检测到的光谱组分（第五个基底），其在肿瘤放射敏感性中具有潜在生物学意义，提示了新的研究方向。
• GBR-NMF在可解释性方面优于标准NMF，通过直接整合已知生物学因子与群组信息，实现了更清晰的生物学洞察。