Участник:EvgSokolov/Песочница

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 68: Строка 68:
Введем следующие обозначения:
Введем следующие обозначения:
-
* <tex> {\mathbf X} = 1_{J_n \times 1} \otimes \mathbf{E}_{I \times I} } </tex> — индикаторная матрица (<tex> 1_{m \times n} </tex> — матрица из единиц размера <tex> m \times n </tex>; <tex> {\mathbf E}_{n \times n} </tex> — единичная матрица размера <tex> n \times n </tex>; <tex> \otimes </tex> — [http://ru.wikipedia.org/wiki/Произведение_Кронекера произведение Кронекера]).
+
* <tex> {\mathbf X} = 1_{J_n \times 1} \otimes \mathbf{E}_{I \times I} </tex> — индикаторная матрица (<tex> 1_{m \times n} </tex> — матрица из единиц размера <tex> m \times n </tex>; <tex> {\mathbf E}_{n \times n} </tex> — единичная матрица размера <tex> n \times n </tex>; <tex> \otimes </tex> — [http://ru.wikipedia.org/wiki/Произведение_Кронекера произведение Кронекера]).
* <tex> {\mathbf \theta} = \left( \theta_{1 n}, \dots, \theta_{I n} \right) </tex> — вектор экспрессий.
* <tex> {\mathbf \theta} = \left( \theta_{1 n}, \dots, \theta_{I n} \right) </tex> — вектор экспрессий.
* <tex> {\mathbf Y_{jn}^*} = \left( Y_{ijn}^* \right)_{i = 1}^{I} \in \mathbb{R}^I </tex> — вектор интенсивностей пробы <tex>j</tex> набора <tex>n</tex> на всех чипах партии.
* <tex> {\mathbf Y_{jn}^*} = \left( Y_{ijn}^* \right)_{i = 1}^{I} \in \mathbb{R}^I </tex> — вектор интенсивностей пробы <tex>j</tex> набора <tex>n</tex> на всех чипах партии.
Строка 76: Строка 76:
Тогда модель {{eqref|2}} можно записать в матричном виде:
Тогда модель {{eqref|2}} можно записать в матричном виде:
::<tex> \mathbf Y_n^* = X \theta + \delta </tex>
::<tex> \mathbf Y_n^* = X \theta + \delta </tex>
 +
 +
Матрица ковариации вектора случайных ошибок <tex> \mathbf \delta </tex> задается следующим образом:
 +
::<tex> {\mathbf \delta}_{i_1 j_1, i_2 j_2} = cov \left( Y_{i_1 j_1 n}^*,\; Y_{i_2 j_2 n}^* \right) = \begin{cases} \tau_{jn}^2 + \sigma_{jn}^2, & \text{if } j_1 = j_2 = j, \; i_1 = i_2, \\ \tau_{jn}^2, & \text{if } j_1 = j_2 = j, \; i_1 \neq i_2, \\ 0, & \text{otherwise} \end{cases} </tex>
 +
 +
С учетом данного выражения ковариационную матрицу вектора <tex> \mathbf \delta </tex> можно записать следующим образом:
 +
::<tex> {\mathbf \Sigma} = diag \left( \tau_{1n}^2, \dots, \tau_{J_n, n}^2 \right) \otimes 1_{I \times I} + diag \left( \sigma_{1n}^2, \dots, \sigma_{J_n, n}^2 \right) \otimes {\mathbf E}_{I \times I} </tex>
 +
 +
Для параметров <tex> \tau_{jn}^2 </tex> И <tex> \sigma_{jn}^2 </tex> уже получены оценки, поэтому матрицу <tex> \mathbf \Sigma </tex> можно считать известной.
 +
Значит, с помощью преобразования <tex> \mathbf Z_n^* = \Sigma^{-\frac{1}{2}} Y_n^* </tex> можно добиться независимости случайных ошибок.
 +
Тогда робастную оценку для <tex> \mathbf \theta </tex> можно получить из следующей задачи взвешенных наименьших квадратов:
 +
::<tex> W \left\| {\mathbf \left( \Sigma^{-\frac{1}{2}} Y_n^* - \Sigma^{-\frac{1}{2}} X \theta \right) } \right\|^2 \rightarrow \min_{\mathbf \theta} </tex>,
 +
где <tex> \mathbf W </tex> — диагональная матрица весов, соответствующих некоторой M-оценке.
 +
 +
Решение записывается следующим образом:
 +
::<tex> {\mathbf \hat \theta} = \left( {\mathbf X^T \Sigma^{-\frac{1}{2}} W \Sigma^{-\frac{1}{2}} X} \right)^{-1} {\mathbf X^T \Sigma^{-\frac{1}{2}} W \Sigma^{-\frac{1}{2}} Y_n^* } </tex>.

Версия 08:26, 24 октября 2011

Содержание

fRMA (Frozen Robust Multi-Array Analysis)

Рассматривается следующая модель уровня экспрессии:

(1)
 Y_{ijkn} = \theta_{in} + \phi_{jn} + \gamma_{jkn} + \varepsilon_{ijkn}

Здесь используются следующие обозначения:

  • k — номер партии микрочипов  k \in 1, \dots, K . Два чипа относятся к одной партии, если эксперименты с ними были проведены в одной лаборатории в одно и то же время.
  • i — номер микрочипа  i \in 1, \dots, I_k .
  • n — номер набора проб  n \in 1, \dots, N . Также через n мы будем обозначать номер гена, соответствующего n-му набору проб.
  • j — номер пробы  i \in 1, \dots, J_n .
  • Y_{ijkn} — предобработанная (с вычтенным фоном и нормализованная) логарифмированная интенсивность пробы j из набора проб n микрочипа i из партии микрочипов k.
  • \theta_{in} — экспрессия гена n на i-м микрочипе.
  • \phi_{jn} — коэффициент сродства пробы j гену n.
  • \gamma_{jkn} — случайная ошибка, вызывающая различия между партиями проб.
  • \varepsilon_{ijkn} — случайная ошибка, вызывающая различия между пробами на чипах одной партии.

В данной модели предполагается, что пробы на разных чипах имеют одинаковую дисперсию случайной ошибки: \mathbb{D} \varepsilon_{ijkn} = \sigma_{jn}^2. Также делается предположение, что \gamma_{jkn} — это случайная величина, дисперсия которой не зависит от партии чипов: \mathbb{D} \gamma_{jkn} = \tau_{jn}^2.

Обучение модели

Для обучения необходимы данные с большого числа микрочипов.

Сначала ко всем микрочипам применяется метод квантильной нормализации, приводящий все данные к одному распределению. В дальнейшем будем называть это распределение «представительным».

Непосредственная настройка модели (1) при наличии выбросов в обучающей выборке крайне сложна, поэтому предлагается перейти к более простой задаче. Рассматривается упрощенная модель

 Y_{ijn} = \theta_{in} + \phi_{jn} + \varepsilon_{ijn} .

По обучающей выборке находятся робастные оценки параметров \hat \theta_{in} и  \hat \phi_{jn} для данной модели. Затем вычисляются остатки r_{ijkn} = Y_{ijkn} - \left( \hat \theta_{in} + \hat \phi_{jn} \right) , с помощью которых оцениваются дисперсии \sigma_{jn}^2 и \tau_{jn}^n:

 \hat \tau_{jn}^2 = \frac{1}{K} \sum_{k = 1}^{K} \left( \bar r_{.jkn} - \bar r_{.j.n} \right)^2;
 \hat \sigma_{jn}^2 = \frac{1}{K} \sum_{k = 1}^{K} \frac{1}{I_k} \sum_{i = 1}^{I_k} \left( r_{ijkn} - \bar r_{.jkn} \right)^2,

где \bar r_{.jkn} = \frac{1}{I_k} \sum_{i = 1}^{I_k} r_{ijkn},\; \bar r_{.j.n} = \frac{1}{K} \sum_{k = 1}^{K} \frac{1}{I_k} \sum_{i = 1}^{I_k} r_{ijkn} .

Обработка новых чипов

Рассмотрим процесс обработки новых чипов. Сначала делается фоновая поправка всех чипов методом RMA-свертки, затем с помощью квантильной нормализации интенсивности новых чипов приводятся к представительному распределению, полученному на этапе обучения. Последним шагом является суммаризация, которая подробно описана ниже.

В первую очередь делается поправка интенсивностей проб для учета коэффициента сродства:

(2)
 Y_{ijln}^* = Y_{ijln} - \hat \phi_{jn} \approx \theta_{in} + \gamma_{jln} + \varepsilon_{ijln}

(здесь l — это индекс новой партии микрочипов).

Далее из скорректированных интенсивностей нужно получить робастную оценку для \theta. Это делается разными способами в зависимости от того, из скольких чипов состоит партия.

Один микрочип

В данном случае индексы i и l могут быть опущены опущены, так как обрабатывается один микрочип и одна партия.

Логарифмированная концентрация оценивается следующим образом:

 \hat \theta_n = \frac{\sum_{j = 1}^{J_n} \frac{w_{jn}}{v_{jn}} Y_{jn}^*}{\sum_{j = 1}^{J_n} \frac{w_{jn}}{v_{jn}}} ,

где  v_{jn} = \hat \tau_{jn}^2 + \hat \sigma_{jn}^2 — оценка дисперсии скорректированной интенсивности Y_{jn}^*, а  w_{jn} — веса, соответствующие некоторой M-оценке.

Данная оценка учитывает с низкими весами выбросы (так как им соответствуют маленькие w_{jn}) и пробы с большой дисперсией шума.

Партия микрочипов

В данном случае индекс l может быть опущен, так как обрабатывается одна партия микрочипов. Число чипов в новой партии будем обозначать через I

Введем следующие обозначения:

  •  {\mathbf X} = 1_{J_n \times 1} \otimes \mathbf{E}_{I \times I} — индикаторная матрица ( 1_{m \times n} — матрица из единиц размера  m \times n ;  {\mathbf E}_{n \times n} — единичная матрица размера  n \times n ;  \otimes произведение Кронекера).
  •  {\mathbf \theta} = \left( \theta_{1 n}, \dots, \theta_{I n} \right) — вектор экспрессий.
  •  {\mathbf Y_{jn}^*} = \left( Y_{ijn}^* \right)_{i = 1}^{I} \in \mathbb{R}^I — вектор интенсивностей пробы j набора n на всех чипах партии.
  •  {\mathbf Y_n^*} = \left( {\mathbf Y_{1,n}^*, \dots, Y_{J_n, n}^* } \right)^T  \in \mathbb{R}^{I J_n} — вектор интенсивностей всех проб к гену n на всех чипах партии.
  •  {\mathbf \delta} \in \mathbb{R}^{I J_n}  — вектор случайных ошибок, соответствующих интенсивностям из  {\mathbf Y_n^*} .

Тогда модель (2) можно записать в матричном виде:

 \mathbf Y_n^* = X \theta + \delta

Матрица ковариации вектора случайных ошибок  \mathbf \delta задается следующим образом:

 {\mathbf \delta}_{i_1 j_1, i_2 j_2} = cov \left( Y_{i_1 j_1 n}^*,\; Y_{i_2 j_2 n}^* \right) = \begin{cases} \tau_{jn}^2 + \sigma_{jn}^2, & \text{if } j_1 = j_2 = j, \; i_1 = i_2, \\ \tau_{jn}^2, & \text{if } j_1 = j_2 = j, \; i_1 \neq i_2, \\ 0, & \text{otherwise} \end{cases}

С учетом данного выражения ковариационную матрицу вектора  \mathbf \delta можно записать следующим образом:

 {\mathbf \Sigma} = diag \left( \tau_{1n}^2, \dots, \tau_{J_n, n}^2 \right) \otimes 1_{I \times I} + diag \left( \sigma_{1n}^2, \dots, \sigma_{J_n, n}^2 \right) \otimes {\mathbf E}_{I \times I}

Для параметров  \tau_{jn}^2 И  \sigma_{jn}^2 уже получены оценки, поэтому матрицу  \mathbf \Sigma можно считать известной. Значит, с помощью преобразования  \mathbf Z_n^* = \Sigma^{-\frac{1}{2}} Y_n^* можно добиться независимости случайных ошибок. Тогда робастную оценку для  \mathbf \theta можно получить из следующей задачи взвешенных наименьших квадратов:

 W \left\| {\mathbf  \left( \Sigma^{-\frac{1}{2}} Y_n^* - \Sigma^{-\frac{1}{2}} X \theta \right) } \right\|^2 \rightarrow \min_{\mathbf \theta} ,

где  \mathbf W — диагональная матрица весов, соответствующих некоторой M-оценке.

Решение записывается следующим образом:

 {\mathbf \hat \theta} = \left( {\mathbf X^T \Sigma^{-\frac{1}{2}} W \Sigma^{-\frac{1}{2}} X} \right)^{-1} {\mathbf X^T \Sigma^{-\frac{1}{2}} W \Sigma^{-\frac{1}{2}} Y_n^* } .
Личные инструменты