[论文解读] One-Way Matching of Datasets with Low Rank Signals

Shuxiao Chen, Sizun Jiang+3 more|arXiv (Cornell University)|Apr 29, 2022

Sparse and Compressive Sensing Techniques被引用 6

一句话总结

本文提出一种针对低秩信号数据集的一对一匹配方法，通过在投影数据上进行线性分配，实现在信号加噪声模型下的快速收敛速率和极小化最大风险最优性。该方法在单细胞多组学数据中实现了精确的细胞匹配，具有理论保证，并在真实生物数据集上得到实证验证。

ABSTRACT

We study one-way matching of a pair of datasets with low rank signals. Under a stylized model, we first derive information-theoretic limits of matching under a mismatch proportion loss. We then show that linear assignment with projected data achieves fast rates of convergence and sometimes even minimax rate optimality for this task. The theoretical error bounds are corroborated by simulated examples. Furthermore, we illustrate practical use of the matching procedure on two single-cell data examples.

研究动机与目标

• 解决在具有技术与生物变异性的单细胞多组学数据集中匹配细胞的挑战。
• 在低秩信号加噪声模型下，将一对一匹配形式化为统计估计问题。
• 在不匹配比例损失下，建立匹配准确性的信息论极限。
• 提出一种计算高效的算法，基于奇异值投影进行降维后执行线性分配。
• 在真实单细胞转录组学和空间蛋白质组学数据上，展示理论与实证性能。

提出的方法

• 将两个数据集 $X \in \mathbb{R}^{n \times p}$ 和 $Y \in \mathbb{R}^{n \times p}$ 建模为低秩信号加独立同分布的高斯噪声。
• 对两个数据集应用奇异值分解（SVD），将其投影到低维信号子空间。
• 在投影后的数据上执行线性分配，以找到将 $X$ 的行与 $Y$ 的行最优对齐的排列。
• 使用匈牙利算法求解线性分配问题，使匹配后的投影向量之间的弗罗贝尼乌斯范数最小化。
• 理论分析利用集中不等式和高斯尾部概率界，对期望不匹配比例进行上界估计。
• 利用 Hanson-Wright 不等式和卡方尾部概率界，控制投影空间中噪声的影响。

实验结果

研究问题

• RQ1 在低秩信号下，基于不匹配比例损失的一对一匹配是否存在基本的信息论极限？
• RQ2 在投影数据上执行线性分配能否在匹配准确性上实现快速收敛速率？
• RQ3 在何种条件下，投影线性分配方法能达到极小化最大风险最优性？
• RQ4 信号强度和投影维数如何影响有限样本下的匹配性能？
• RQ5 该方法能否在具有高噪声和批次效应的真实单细胞多组学数据集中实际应用？

主要发现

• 本文建立了期望不匹配比例的非渐近下界，表明当信噪比过低时，匹配将变得不可能。
• 在信号强度和噪声的温和条件下，投影数据上的线性分配可实现不匹配比例的多项式收敛速率。
• 在更强信号条件下，该方法可实现指数收敛速率，并在某些情形下达到极小化最大风险最优性。
• 模拟结果证实，随着信号增强和投影维数最优，方法的收敛速率提升，且投影步骤显著降低了不匹配误差。
• 在真实数据应用中，该方法成功对齐了单细胞RNA-seq数据集，并实现了空间与非空间蛋白质组学数据集的匹配，使空间上下文信息可被传递至转录组谱型。
• 理论界得到模拟结果的验证，显示随着信噪比和样本量增加，不匹配比例迅速下降。