[论文解读] Sparse Ising Models with Covariates

Jie Cheng, Elizaveta Levina+2 more|arXiv (Cornell University)|Sep 27, 2012

Statistical Methods and Inference参考文献 37被引用 9

一句话总结

本文提出了一种带有协变量的稀疏伊辛模型，允许在二值图模型中依赖强度随观测协变量平滑变化，从而实现个体特异的网络结构。通过将邻域选择与协变量依赖的边参数相结合，该方法不仅能识别出显著的网络边，还能识别影响这些边的协变量，提供可解释的、连续的边权重变化，而非突变的结构转变。

ABSTRACT

There has been a lot of work fitting Ising models to multivariate binary data in order to understand the conditional dependency relationships between the variables. However, additional covariates are frequently recorded together with the binary data, and may influence the dependence relationships. Motivated by such a dataset on genomic instability collected from tumor samples of several types, we propose a sparse covariate dependent Ising model to study both the conditional dependency within the binary data and its relationship with the additional covariates. This results in subject-specific Ising models, where the subject's covariates influence the strength of association between the genes. As in all exploratory data analysis, interpretability of results is important, and we use L1 penalties to induce sparsity in the fitted graphs and in the number of selected covariates. Two algorithms to fit the model are proposed and compared on a set of simulated data, and asymptotic results are established. The results on the tumor dataset and their biological significance are discussed in detail.

研究动机与目标

• 建模条件依赖关系，其中二值网络数据的边强度依赖于观测协变量，突破固定结构图模型的限制。
• 将协变量效应直接纳入伊辛模型的交互参数中，实现个体特异的网络结构。
• 通过在图结构和协变量效应上施加稀疏性，实现对相关边和关键协变量的选择。
• 为高维二值数据中协变量依赖的依赖关系，提供计算上可行且可解释的方法。
• 通过允许边权重随协变量平滑连续变化，扩展现有图模型，避免分区方法中常见的不连续性。

提出的方法

• 提出一种条件伊辛模型，其中交互参数（边强度）是协变量的线性函数，从而实现协变量依赖的网络结构。
• 采用邻域选择方法：对每个节点，通过节点状态对邻居和协变量进行l1惩罚的逻辑回归，以估计条件依赖关系。
• 通过在主效应和边与协变量交互系数上施加l1惩罚，实现稀疏性，促进相关特征的选择。
• 采用两步估计程序：首先估计每个节点的条件分布，然后聚合以恢复完整的图结构。
• 在高维设定下推导出渐近一致性和稀疏一致性结果，表明该方法能一致地恢复真实边和相关协变量。
• 使用伪似然近似方法，绕过伊辛模型中难以计算的归一化常数，实现可扩展的计算。

实验结果

研究问题

• RQ1 如何将协变量整合到伊辛图模型中，以实现个体特异的网络结构？
• RQ2 协变量对网络中二值变量之间条件依赖强度有何影响？
• RQ3 高维伊辛模型结合协变量能否一致地恢复真实图结构和相关协变量效应？
• RQ4 在协变量取值范围内，该方法在图结构的可解释性和稳定性方面与现有方法相比如何？
• RQ5 在何种条件下，基于协变量依赖边的邻域选择方法优于伪似然法或分区方法？

主要发现

• 所提出的方法成功识别出8p11.22缺失与TP53突变状态和ER状态相关，其选择频率超过0.6，表明具有强烈的生物学相关性。
• 该方法检测到8p11.22缺失与6p21.32和11p14.2缺失共现，且这些关联随TP53和ER状态变化，提示可能存在协同的肿瘤抑制机制。
• 在乳腺癌数据集中，基于度数的排名显示，当TP53处于突变状态时，8p11.22的中位排名为12.75，表明其在该条件下是网络中的核心节点。
• 模型揭示边强度随协变量平滑变化，避免了分区方法中常见的突变结构转变，从而增强了可解释性。
• 在高维渐近设定下，该方法能一致地恢复真实边和相关协变量，且在稀疏一致性和一致性方面具有理论保证。
• 该方法将8p11.22识别为基因组不稳定性网络中的关键枢纽，尤其在TP53突变和ER阴性条件下，与该区域已知的致癌作用一致。