METCC：用于混杂因素控制的度量学习——使距离在高维生物分析中发挥作用
机器学习
2018-12-11 v1 机器学习
摘要
从下一代测序等生物实验获取的高维数据受到若干混杂效应的影响。这些效应既包括技术效应（如仪器噪声或样本处理导致的批次间差异，或样本采集与物理处理中的机构特异性差异），也包括源于各样本真实但无关生物学差异的生物学效应（如疾病中的年龄偏倚）。先前工作采用线性方法校正此类批次效应。在此，我们应用非线性三元组网络的对比度量学习，以优化在存在无关技术与生物学变异时区分生物学不同样本类别的能力。利用来自817名患者的全基因组游离DNA数据，我们证明所提方法——用于混杂因素控制的度量学习（METCC）——能够匹配或超越使用最佳线性方法（HCP）或不做归一化所达成的分类性能。关键的是，即便在无许多现有技术所需高质量元数据信息的情况下，METCC的结果也似乎比其它方法更少受机构与批次等无关技术变量混杂；这为改进泛化能力带来了希望。
引用
@article{arxiv.1812.03188,
title = {METCC: METric learning for Confounder Control Making distance matter in high dimensional biological analysis},
author = {Kabir Manghnani and Adam Drake and Nathan Wan and Imran Haque},
journal= {arXiv preprint arXiv:1812.03188},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018