[论文解读] Transfer Learning in Large-scale Gaussian Graphical Models with False Discovery Rate Control

Sai Li, T. Tony Cai+1 more|arXiv (Cornell University)|Oct 21, 2020

Gene expression and cancer classification被引用 5

一句话总结

本文提出 Trans-CLIME，一种用于大规模高斯图形模型的迁移学习方法，通过利用多个相关辅助研究的数据来改进目标精度矩阵的估计与推断。通过建模发散矩阵的稀疏性来刻画相似性，并采用去偏估计器，该方法实现了更快的收敛速度，并支持错误发现率（FDR）控制的边检测，显著降低了基因网络推断中的预测误差，提高了脑组织数据中的统计功效。

ABSTRACT

Transfer learning for high-dimensional Gaussian graphical models (GGMs) is studied with the goal of estimating the target GGM by utilizing the data from similar and related auxiliary studies. The similarity between the target graph and each auxiliary graph is characterized by the sparsity of a divergence matrix. An estimation algorithm, Trans-CLIME, is proposed and shown to attain a faster convergence rate than the minimax rate in the single study setting. Furthermore, a debiased Trans-CLIME estimator is introduced and shown to be element-wise asymptotically normal. It is used to construct a multiple testing procedure for edge detection with false discovery rate control. The proposed estimation and multiple testing procedures demonstrate superior numerical performance in simulations and are applied to infer the gene networks in a target brain tissue by leveraging the gene expressions from multiple other brain tissues. A significant decrease in prediction errors and a significant increase in power for link detection are observed.

研究动机与目标

• 在目标研究样本量有限的情况下，提升高维高斯图形模型（GGMs）的估计精度与统计功效。
• 开发一种迁移学习框架，利用多个相关辅助研究的数据来辅助目标 GGM 的估计。
• 通过构建具有错误发现率（FDR）控制的多重检验程序，确保有效的统计推断，用于边检测。
• 通过跨相关研究的信息共享，实现优于单研究设定下极小极大最优率的更快收敛速度。

提出的方法

• 提出 Trans-CLIME，一种新颖的估计算法，通过发散矩阵量化目标研究与 K 个辅助研究之间图结构的相似性，整合目标研究与辅助研究的数据。
• 通过发散矩阵的稀疏性建模目标与辅助精度矩阵之间的相似性，假设目标与辅助精度矩阵之间的差异是稀疏的。
• 引入一种去偏 Trans-CLIME 估计器，其元素在渐近意义上服从正态分布，从而实现对精度矩阵单个边条目的有效推断。
• 基于去偏估计器构建多重检验程序，以实现边检测的错误发现率（FDR）控制，确保错误率校准。
• 采用两阶段估计策略：首先，使用正则化估计器（CLIME 类型）估计目标精度矩阵；其次，通过去偏步骤校正偏差以实现推断。
• 基于与目标研究的相似性，采用数据自适应选择辅助研究（记为 $\mathcal{A}_q$），其中所选辅助研究的数量由稀疏性参数 $q$ 控制。

实验结果

研究问题

• RQ1 与单研究方法相比，从多个相关辅助研究进行迁移学习是否能提升目标高斯图形模型的估计精度？
• RQ2 所提出的 Trans-CLIME 估计器是否在收敛速度上优于单研究设定下的极小极大最优率？
• RQ3 Trans-CLIME 的去偏版本是否能为精度矩阵的单个条目提供渐近正态推断？
• RQ4 所得到的估计器是否可用于构建控制错误发现率（FDR）的多重检验程序，以实现边检测？
• RQ5 在目标脑组织中，整合多组织基因表达数据在多大程度上提升了显著基因网络关联的检测能力？

主要发现

• Trans-CLIME 的收敛速度优于单研究设定下的极小极大最优率，证明了在高维 GGM 中迁移学习的优势。
• 去偏 Trans-CLIME 估计器在元素层面上渐近正态，支持有效推断，并可实现 FDR 控制的多重检验用于边检测。
• 在模拟实验中，所提方法显著降低了预测误差，并提高了与基线方法相比的关联检测统计功效。
• 在真实脑组织数据应用中，Trans-CLIME 比标准 CLIME 检测到更多显著的枢纽基因，且预测误差更低，尤其在样本量较小的组织中表现更优。
• 该方法在多个脑区中识别出具有生物学意义的枢纽基因，如 SHANK3、SEMA3A 和 PTEN，且在 FDR 水平 α=0.1 下表现出更高的结果一致性和统计功效。
• 使用样本量较小的辅助组织（如 80–100 个样本）显著提升了目标组织（样本量相似或更小）的推断性能，证明了迁移学习的稳健性。