📊 statistics

Improving the adjusted Benjamini--Hochberg method using e-values in knockoff-assisted variable selection

यह शोध पत्र सरकार और टैंग की पद्धति को बाउंडेड पी-टू-ई कैलिब्रेटर्स (bounded p-to-e calibrators) का उपयोग करते हुए एक लचीले, ई-वैल्यू (e-value) भारित बेंजामिनी-होचबर्ग प्रक्रिया में सामान्यीकृत करके नॉकऑफ-असिस्टेड वेरिएबल सिलेक्शन फ्रेमवर्क का विस्तार करता है, जो मौजूदा दृष्टिकोणों की तुलना में सिमुलेशन और वास्तविक दुनिया के एचआईवी-1 (HIV-1) ड्रग रेजिस्टेंस विश्लेषण में बेहतर शक्ति और मजबूत एफडीआर (FDR) नियंत्रण प्रदर्शित करता है।

मूल लेखक: Aniket Biswas, Aaditya Ramdas

प्रकाशित 2026-02-13

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Aniket Biswas, Aaditya Ramdas

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक जासूस हैं जो एक बड़े अपराध स्थल को सुलझाने की कोशिश कर रहे हैं। आपके पास 100 संदिग्ध (variables) हैं, लेकिन आप जानते हैं कि उनमें से केवल कुछ ही वास्तव में दोषी ("signals") हैं। आपका काम उन दोषियों की पहचान करना है बिना अनजाने में निर्दोष लोगों पर आरोप लगाए (गलत खोजों/false discoveries के बिना)।

सांख्यिकी (statistics) में, इसे मल्टीपल टेस्टिंग (Multiple Testing) कहा जाता है। चुनौती यह है कि जब आप 100 लोगों की जांच करते हैं, तो केवल संयोगवश भी कुछ निर्दोष लोग संदिग्ध लग सकते हैं। यदि आप सावधान नहीं रहे, तो आप गलत लोगों को गिरफ्तार कर लेंगे।

यह शोध पत्र (paper) दो मौजूदा जासूसी उपकरणों को मिलाकर असली अपराधियों को पकड़ने का एक स्मार्ट तरीका पेश करता है: "नॉकऑफ" (Knockoff) विधि और एक नया उपकरण जिसे "ई-वैल्यू" (E-value) कहा जाता है।

यहाँ सरल उपमाओं (analogies) का उपयोग करके इस शोध पत्र का विवरण दिया गया है:

1. समस्या: एक "शोर-शराबे वाला" (Noisy) अपराध स्थल

आधुनिक विज्ञान (जैसे जेनेटिक्स या ड्रग रिसर्च) में, हमारे पास हजारों डेटा पॉइंट्स होते हैं लेकिन वास्तविक उत्तर बहुत कम होते हैं।

पुराना तरीका (Knockoff Filter): कल्पना कीजिए कि एक जासूस हर संदिग्ध के लिए एक "नकली जुड़वां" (fake twin) बनाता है। यदि असली संदिग्ध अपने नकली जुड़वां से अधिक संदिग्ध दिखता है, तो उसे गिरफ्तार कर लिया जाता है। यह बहुत सुरक्षित है (आप शायद ही कभी निर्दोष को गिरफ्तार करते हैं), लेकिन यह अक्सर बहुत अधिक सतर्क (cautious) है। यदि अपराध सूक्ष्म है (कमजोर संकेत/weak signals), तो जासूस असली अपराधियों को भी छोड़ सकता है क्योंकि वे गलती करने से बहुत डरते हैं।
पिछला "स्मार्ट" तरीका (Sarkar & Tang): इन शोधकर्ताओं ने और भी स्मार्ट होने की कोशिश की। उन्होंने दो चरणों वाली प्रक्रिया का उपयोग किया:
1. चरण 1: एक त्वरित, मोटा स्क्रीनिंग (screening) यह देखने के लिए कि कौन हो सकता है दोषी।
2. चरण 2: केवल उन लोगों पर एक विस्तृत, उच्च-गुणवत्ता वाली जांच जो चरण 1 को पार कर गए।
- खामी: उनका चरण 1 थोड़ा "सब-या-कुछ-नहीं" (all-or-nothing) जैसा था। यह एक क्लब के बाउंसर की तरह था जो या तो आपको अंदर आने देता है या बाहर निकाल देता है, जो एक बहुत ही सख्त, कठोर नियम पर आधारित होता है। यदि आप उस रेखा से थोड़े भी नीचे थे, तो आप बाहर थे, भले ही आप वास्तव में दोषी हों।

2. नया विचार: "ई-वैल्यू" (E-Value) स्कोरकार्ड

लेखकों ने एक अवधारणा पेश की है जिसे ई-वैल्यू (E-value) कहा जाता है।

उपमा: एक पी-वैल्यू (P-value) (पुराना मानक) को एक "दोषी होने की संभावना" के रूप में सोचें। एक कम संख्या का अर्थ है "बहुत अधिक संभावना है कि दोषी है।"
ई-वैल्यू (E-value) एक "बेटिंग स्कोर" (Betting Score) की तरह है। यदि आप 1 डॉलर का दांव लगाते हैं कि कोई संदिग्ध दोषी है, और ई-वैल्यू 10 है, तो इसका मतलब है कि आपने अभी 10 डॉलर जीते! एक उच्च ई-वैल्यू दोष के मजबूत प्रमाण का संकेत है।

लेखकों ने महसूस किया कि पिछले तरीके में "बाउंसर" (चरण 1) बहुत कठोर था। "अंदर या बाहर" के बजाय, उन्होंने ई-वैल्यू को एक "वेट" (weight) या "कॉन्फिडेंस स्कोर" के रूप में उपयोग करने का प्रस्ताव दिया।

3. समाधान: एक लचीला, भारित (Weighted) सिस्टम

शोध पत्र तीन नए तरीके (M3, M4, M5) प्रस्तावित करता है, जो एक स्मार्ट, लचीले बाउंसर की तरह कार्य करते हैं:

कठोर कटऑफ के बजाय: नया सिस्टम पहले चरण से प्राप्त "बेटिंग स्कोर" (ई-वैल्यू) को देखता है।
यदि स्कोर उच्च है: संदिग्ध को दूसरे, विस्तृत जांच के लिए "वीआईपी पास" मिलता है। उनके साक्ष्य को अतिरिक्त महत्व (extra weight) दिया जाता है।
यदि स्कोर कम है: उनकी जांच की जाती है, लेकिन उनके साक्ष्यों को अधिक संदेह के साथ देखा जाता है।
जादू: इन स्कोर का उपयोग करके अंतिम निर्णय को भारित (weight) करने से, यह प्रणाली उस पुराने "नॉकऑफ" तरीके को पकड़ने में बहुत बेहतर हो जाती है जिसे सूक्ष्म, कमजोर संकेतों को पकड़ने में कठिनाई होती थी, और ऐसा करते हुए भी यह निर्दोष लोगों को गिरफ्तार करने की गलती नहीं करती है।

4. यह बेहतर क्यों है? (परिणाम)

लेखकों ने अपने नए तरीकों का परीक्षण दो तरीकों से किया:

सिमुलेशन (प्रशिक्षण का मैदान): उन्होंने ज्ञात दोषी पक्षों के साथ नकली अपराध स्थल बनाए।
- परिणाम: पुराना "नॉकऑफ" तरीका कमजोर अपराधियों को पकड़ने के लिए बहुत डरा हुआ था। पुराना "Sarkar & Tang" तरीका बेहतर था लेकिन फिर भी कुछ को चूक गया। नए तरीके (M3, M4, M5) ने काफी अधिक दोषी पक्षों को पकड़ा (उच्च पावर), जबकि गलत गिरफ्तारियों (False Discovery Rate) की संख्या को बिल्कुल वहीं रखा जहाँ उसे होना चाहिए था।
- उपमा: नए जासूसों ने उन जेबकतरों को भी पकड़ लिया जिन्हें पुराने जासूसों ने अनदेखा कर दिया था।
वास्तविक डेटा (HIV ड्रग स्टडी): उन्होंने इसे HIV ड्रग रेजिस्टेंस (दवा प्रतिरोध) के बारे में वास्तविक चिकित्सा डेटा पर लागू किया।
- परिणाम: पुराने तरीके ने लगभग कुछ भी नहीं पाया (क्योंकि संकेत कमजोर थे और नियम बहुत सख्त थे)। नए तरीकों ने ड्रग रेजिस्टेंस पैदा करने वाले कई अधिक म्यूटेशन (mutations) को खोज निकाला। महत्वपूर्ण रूप से, इनमें से कई नई खोजें जैविक रूप से तर्कसंगत (biologically plausible) थीं (जो ज्ञात विज्ञान से मेल खाती थीं), जिससे यह सिद्ध हुआ कि वे केवल रैंडम अनुमान नहीं थे।

सारांश: मुख्य बात

पुराने तरीकों को एक कठोर सुरक्षा चेकपॉइंट के रूप में सोचें जो हर उस व्यक्ति को रोकता है जो थोड़ा सा भी संदिग्ध दिखता है, लेकिन चालाक अपराधियों को मिस कर देता है जो सामान्य दिखते हैं।

यह शोध पत्र एक स्मार्ट, AI-सहायता प्राप्त सुरक्षा प्रणाली का प्रस्ताव करता है। यह प्रत्येक व्यक्ति को एक "रिस्क स्कोर" देता है जो प्रारंभिक स्कैन पर आधारित होता है। यदि आपका स्कोर उच्च है, तो सिस्टम अपनी तीव्र ऊर्जा आप पर केंद्रित करता है। यदि आपका स्कोर कम है, तो यह अभी भी आपकी जांच करता है, लेकिन यह जानता है कि अधिक सावधान रहना है।

निष्कर्ष: "ई-वैल्यू" को लचीले भार (weights) के रूप में उपयोग करके, लेखकों ने एक ऐसा तरीका बनाया है जो पिछले सर्वोत्तम उपकरणों की तुलना में अधिक सुरक्षित (निर्दोष लोगों पर गलत आरोप लगाने से बचता है) और अधिक स्मार्ट (अधिक वास्तविक अपराधियों को पकड़ता है) है, विशेष रूपकर कठिन मामलों में जहाँ सबूत कमजोर होते हैं।

यहाँ अनिकेत बिस्वास और आदित्य रामदास के शोध पत्र "Improving the adjusted Benjamini-Hochberg method using e-values in knockoff-assisted variable selection" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र उच्च-आयामी रैखिक प्रतिगमन (high-dimensional linear regression) ( $Y = X\beta + \varepsilon$ ) में वेरिएबल सिलेक्शन की समस्या को संबोधित करता है, जहाँ प्रेडिक्टर्स ( $m$ ) की संख्या बड़ी होती है, जो संभावित रूप से सैंपल साइज ( $n$ ) के बराबर या उससे अधिक हो सकती है। लक्ष्य गैर-शून्य गुणांकों ( $\beta_j \neq 0$ ) की पहचान करना है जबकि फॉल्स डिस्कवरी रेट (FDR) को नियंत्रित किया जा सके।

संदर्भ: मानक बेन्जामिनी-होचबर्ग (BH) प्रक्रियाएँ यहाँ विफल हो जाती हैं क्योंकि ऑर्डिनरी लीस्ट स्क्वायर्स (OLS) अनुमानों से प्राप्त टेस्ट स्टैटिस्टिक्स अक्सर जटिल और मनमाने डिपेंडेंस स्ट्रक्चर प्रदर्शित करते हैं।
मौजूदा समाधान:
- नॉकऑफ फिल्टर (Barber & Candès): एक शक्तिशाली, p-वैल्यू-मुक्त विधि जो एक वैध नियंत्रण तंत्र बनाने के लिए "नॉकऑफ" वेरिएबल्स का निर्माण करती है। हालाँकि, जब सिग्नल की शक्ति कमजोर हो या लक्षित FDR कम हो, तो यह बहुत रूढ़िवादी (कम पावर वाला) हो सकता है।
- नॉकऑफ-असिस्टेड BH (Sarkar & Tang): एक दो-चरणीय विधि जो दो प्रकार के p-वैल्यूज़ ( $P^{(1)}$ और $P^{(2)}$ ) उत्पन्न करने के लिए नॉकऑफ वेरिएबल्स का उपयोग करती है। यह स्क्रीनिंग के लिए $P^{(1)}$ का उपयोग करती है और अंतिम BH निर्णय के लिए $P^{(2)}$ का उपयोग करती है। हालाँकि यह कुछ स्थितियों में मानक नॉकऑफ फिल्टर की तुलना में अधिक शक्तिशाली है, लेकिन यह एक विशिष्ट, कठोर "ऑल-ओर-नथिंग" (सब-या-कुछ-नहीं) कैलिब्रेशन रणनीति पर निर्भर करती है।

अंतराल (The Gap): लेखक e-values (एक आधुनिक इन्फेरेंशियल टूल) का उपयोग करके BH प्रक्रिया के लिए एक अधिक लचीली, निरंतर और शक्तिशाली वेटिंग स्कीम बनाने के माध्यम से 'सरकार और टैंग' दृष्टिकोण को सामान्य बनाने का लक्ष्य रखते हैं।

2. कार्यप्रणाली (Methodology)

प्रस्तावित ढांचा (framework) दो-चरणीय वेरिएबल सिलेक्शन प्रक्रिया को p-to-e कैलिब्रेशन के नजरिए से पुनर्व्याख्या करता है।

मुख्य ढांचा (Core Framework)

डेटा जनरेशन: मूल डिज़ाइन मैट्रिक्स $X$ और नॉकऑफ मैट्रिक्स $\tilde{X}$ का उपयोग करके दो सेट स्टैटिस्टिक्स उत्पन्न किए जाते हैं:
- $\hat{\beta}^{(1)}$ और $\hat{\beta}^{(2)}$ को $X$ और $\tilde{X}$ के रैखिक संयोजनों से प्राप्त किया जाता है।
- इनसे दो प्रकार के p-वैल्यूज़ मिलते हैं: $P^{(1)}$ ( $\hat{\beta}^{(1)}$ से) और $P^{(2)}$ ( $\hat{\beta}^{(2)}$ से)।
- महत्वपूर्ण रूप से, कुछ शर्तों के तहत (ज्ञात $\sigma$ या विशिष्ट डिग्री ऑफ फ्रीडम), $P^{(2)}$ , $P^{(1)}$ से स्वतंत्र होता है।
p-to-e कैलिब्रेशन:
- पहले सेट के p-वैल्यूज़ ( $P^{(1)}$ ) को एक कैलिब्रेटर फंक्शन $g$ का उपयोग करके e-values ( $S^{(1)}$ ) में परिवर्तित किया जाता है: $S^{(1)}_j = g(P^{(1)}_j)$ ।
- एक e-value $S$ शून्य परिकल्पना (null hypothesis) के तहत $E[S] \leq 1$ को संतुष्ट करता है। बड़े मान शून्य परिकल्पना के विरुद्ध साक्ष्य दर्शाते हैं।
- नवाचार: 'सरकार और टैंग' द्वारा उपयोग किए जाने वाले बाइनरी "ऑल-ओर-नथिंग" कैलिब्रेटर के बजाय, लेखक बाउंडेड एडमिसेबल कैलिब्रेटर्स (जैसे, $g(t) = C(1 - t^a)$ ) का उपयोग करने का प्रस्ताव करते हैं। यह एक कठोर थ्रेशोल्ड के बजाय परिकल्पनाओं के निरंतर और सुचारू वेटिंग (weighting) की अनुमति देता है।
प्रस्तावित प्रक्रियाएं:
पत्र तीन विशिष्ट एल्गोरिदम पेश करता है:
- विधि 1 (ep-BH): $S^{(1)}$ को अननॉर्मलाइज्ड वेट्स के रूप में उपयोग करता है। एडजस्टेड p-वैल्यूज़ $\tilde{P}_j = P^{(2)}_j / S^{(1)}_j$ हैं। $\tilde{P}$ पर मानक BH प्रक्रिया लागू की जाती है। यह परिमित नमूनों (finite samples) में सटीक FDR नियंत्रण प्रदान करता है।
- विधि 2 (Adaptive ep-BH): वास्तविक शून्य अनुपातों ( $\pi_0$ ) के अनुपात का अनुमान लगाने के लिए $P^{(2)}$ का उपयोग करता है और इसे वेटिंग में शामिल करता है। यह एडजस्टेड p-वैल्यूज़ $P^*_j = \frac{\hat{\pi}_0 P^{(2)}_j}{I(P^{(2)}_j \leq \lambda) S^{(1)}_j}$ का उपयोग करता है। यह एसिम्प्टोटिक (asymptotic) FDR नियंत्रण और बेहतर पावर प्रदान करता है।
- विधि 3 (Adaptive Weighted BH): वेट्स $W_j$ बनाने के लिए e-values को $m$ तक मानकीकृत करता है। यह $\pi_0$ के लिए एक वेटेड स्टोरी अनुमानक (weighted Storey estimator) का उपयोग करता है और एक एडेप्टिव वेटेड BH प्रक्रिया लागू करता है। यह भी $\alpha$ स्तर पर एसिम्प्टोटिक FDR नियंत्रण प्रदान करता है।

3. प्रमुख योगदान (Key Contributions)

एकीकृत ढांचा (Unified Framework): लेखक यह प्रदर्शित करते हैं कि 'सरकार और टैंग' (Bon-BH) विधि उनके सामान्य ढांचे का एक विशेष मामला (special case) है, जो एक विशिष्ट, चरम "ऑल-ओर-नथिंग" कैलिब्रेटर के अनुरूप है।
बाउंडेड कैलिब्रेटर्स (Bounded Calibrators): वे मल्टीपल टेस्टिंग वेट्स के लिए बाउंडेड एडमिसेबल कैलिब्रेटर्स का उपयोग करने की अवधारणा पेश करते हैं। यह चरम e-values के कारण होने वाली वेरिएंस वृद्धि (variance inflation) से बचाता है और पूर्व साक्ष्य (prior evidence) को शामिल करने के लिए एक अधिक स्थिर, लचीला तंत्र प्रदान करता है।
सैद्धांतिक गारंटी (Theoretical Guarantees):
- विधि 1 परिमित नमूनों में $\pi_0 \alpha$ स्तर पर सटीक FDR नियंत्रण प्रदान करती है।
- विधियाँ 2 और 3 $\alpha$ स्तर पर एसिम्प्टोटिक FDR नियंत्रण प्रदान करती हैं।
सामान्यीकरण (Generalization): यह ढांचा नॉकऑफ-असिस्टेड विधियों की प्रयोज्यता को उन परिदृश्यों तक बढ़ाता है जहाँ सिग्नल की शक्ति कम है और सिग्नल स्पार्स (sparse) हैं, जहाँ पारंपरिक नॉकऑफ फिल्टर संघर्ष करते हैं।

4. परिणाम (Results)

सिमुलेशन अध्ययन (Simulation Studies)

लेखकों ने विभिन्न सेटिंग्स ( $n, m, k$ , सिग्नल स्ट्रेंथ $\gamma$ , कोरिलेशन $\rho$ ) में अपने तरीकों (M3, M4, M5) की तुलना मूल नॉकऑफ फिल्टर (M0) और 'सरकार और टैंग' के तरीकों (M1, M2) से की।

FDR नियंत्रण: सभी प्रस्तावित विधियों ने नाममात्र स्तरों ( $\alpha = 0.05, 0.1$ ) पर या उससे नीचे FDR नियंत्रण बनाए रखा। विधि 1 ने सख्त नियंत्रण दिखाया; विधियों 2 और 3 ने मजबूत अनुभवजन्य (empirical) नियंत्रण दिखाया।
पावर (Power):
- कम सिग्नल स्ट्रेंथ और कम लक्षित FDR वाले परिदृश्यों में, प्रस्तावित विधियों (विशेष रूप से M3, M4, M5) ने मूल नॉकऑफ फिल्टर (M0) की तुलना में काफी बेहतर प्रदर्शन किया, जो अत्यधिक रूढ़िवादी था।
- प्रस्तावित विधियों ने सिग्नल स्ट्रेंथ के उच्च स्तरों में भी 'सरकार और टैंग' के तरीकों (M1, M2) को लगातार पछाड़ दिया, जो दर्शाता है कि निरंतर (continuous) कैलिब्रेटर, बाइनरी कैलिब्रेटर से बेहतर है।
- उच्च सिग्नल स्ट्रेंथ वाले रिजीम में, प्रस्तावित विधियाँ M0 के साथ प्रतिस्पर्धी बनी रहीं।

वास्तविक दुनिया का अनुप्रयोग (HIV-1 ड्रग रेजिस्टेंस)

इन विधियों को HIV-1 प्रोटिएज इनहिबिटर रेजिस्टेंस (846 नमूने, 99 जेनेटिक पोजीशन) के विश्लेषण वाले डेटासेट पर लागू किया गया।

प्रदर्शन: $\alpha = 0.05$ और $\alpha = 0.1$ पर, प्रस्तावित विधियों (M3, M4, M5) ने मानक नॉकऑफ फिल्टर (M0) की तुलना में काफी अधिक म्यूटेशन पोजीशन की पहचान की, जो $\alpha = 0.05$ पर किसी भी स्थिति का पता लगाने में विफल रहा था।
वैधता (Validity): खोजे गए परिणामों में पूर्व जैविक समर्थन (TSM पैनल) के साथ उच्च अनुपात में पोजीशन और नए उम्मीदवार शामिल थे, जो अत्यधिक फॉल्स पॉजिटिव के बिना वास्तविक सिग्नल खोजने की विधि की क्षमता को प्रमाणित करते हैं।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह शोध पत्र नॉकऑफ इन्फरेंस और e-value थ्योरी को जोड़कर उच्च-आयामी सांख्यिकी के क्षेत्र में एक महत्वपूर्ण योगदान देता है।

व्यावहारिक प्रभाव: यह उन अभ्यासकर्ताओं के लिए एक मजबूत विकल्प प्रदान करता है जो स्पार्स सिग्नल या सख्त FDR आवश्यकताओं वाले परिदृश्यों से निपट रहे हैं, जहाँ मानक फिल्टर में अक्सर पावर की कमी होती है।
सैद्धांतिक प्रगति: पिछले नॉकऑफ-असिस्टेड BH तरीकों की "ऑल-ओर-नथिंग" प्रकृति को एक व्यापक कैलिब्रेटर फ्रेमवर्क के विशिष्ट मामले के रूप में पहचानकर, लेखक वैधता बनाए रखते हुए पावर को अधिकतम करने के लिए कैलिब्रेटर फंक्शन को अनुकूलित करने का मार्ग प्रशस्त करते हैं।
भविष्य की दिशाएँ: लेखक इस ढांचे को जनरल लाइनियर मॉडल्स (GLMs) तक विस्तारित करने और k-FDR नियंत्रण की खोज करने का सुझाव देते हैं, जो उनके e-value वेटिंग दृष्टिकोण की बहुमुखी प्रतिभा को दर्शाता है।

संक्षेप में, यह शोध पत्र एक लचीला, e-value-वेटेड बेन्जामिनी-होचबर्ग प्रक्रिया प्रस्तावित करता है जो वेरिएबल सिलेक्शन कार्यों में बेहतर पावर प्राप्त करने के लिए नॉकऑफ वेरिएबल्स का लाभ उठाता है, विशेष रूप से कमजोर सिग्नल और स्पार्स डेटा जैसे चुनौतीपूर्ण परिदृश्यों में, जबकि फॉल्स डिस्कवरी रेट को कड़ाई से नियंत्रित करता है।