Profile Graphical Models

Titolo: Modelli Grafici di Profilo (Profile Graphical Models)

Autori: Alejandra Avalos-Pacheco, Monia Lupparelli, Francesco C. Stingo.
Data: Ottobre 2024.

---

1. Il Problema

Nell'analisi statistica multivariata, i modelli esistenti presentano limiti significativi quando si tratta di caratterizzare come un fattore esterno (o variabile di rischio, indicata come $X$) influenzi la struttura di dipendenza congiunta tra un insieme di variabili di risposta ($Y_V$).

• Grafici a Catena (Chain Graphs): Sebbene possano modellare le relazioni condizionali tra risposte e predittori, forniscono informazioni solo attraverso le assenze di archi. Non permettono di esplorare come le dipendenze esistenti cambino o si invertano al variare dei livelli del fattore esterno $X$ (es. effetto di Simpson, inversione di effetto).
• Grafici Multipli (Multiple Graphs): Modellano sottogruppi o popolazioni separate, ma spesso non incorporano direttamente il fattore esterno nel modello e tendono a limitare le variazioni specifiche al contesto solo ai vertici adiacenti, senza una visione unificata.

Esiste quindi un bisogno di un framework che integri in un'unica struttura grafica sia le indipendenze condizionali all'interno di ciascun profilo (livello di $X$) sia come queste strutture evolvano in funzione di $X$.

2. Metodologia: Modelli Grafici di Profilo

Gli autori introducono una nuova classe di modelli chiamati Modelli Grafici di Profilo (Profile Graphical Models), specificamente i Grafici Non Diretti di Profilo (Profile Undirected Graphs).

Definizione e Struttura

Un grafo di profilo $G_U = (V, E)$ è definito da:

• Un insieme di vertici $V$ (variabili di risposta).
• Un insieme di archi etichettati con un sottoinsieme $Z$ dello spazio degli stati di $X$ ($Z \subseteq X$).
• Tipologie di archi:
  1. Assenza di arco: Se $Z = X$, indica che i vertici sono indipendenti in tutti i profili.
  2. Arco tratteggiato (dotted): Se $Z \subset X$ e $Z \neq \emptyset$, indica che l'arco esiste solo per i profili $x \notin Z$. L'etichetta $Z$ specifica per quali profili l'indipendenza condizionale vale (assenza di connessione).
  3. Arco pieno: Se $Z = \emptyset$, l'arco è presente in tutti i profili.

Proprietà di Markov

Gli autori definiscono e dimostrano le proprietà di Markov per questi grafi:

• Proprietà di Markov Globale (U-GMP): Basata sulla separazione di insiemi tramite percorsi specifici per un dato profilo $x$ ($x$-path).
• Regola dell'Insieme Connesso (Connected Set Rule): Viene dimostrato che la proprietà globale è equivalente alla proprietà di Markov per insiemi connessi ($U$-CSMP), fornendo un criterio unificato per derivare tutte le indipendenze condizionali.

Compatibilità con i Grafici a Catena LWF

Un contributo teorico fondamentale è l'istituzione di una compatibilità di Markov tra i grafi di profilo e i Grafici a Catena LWF (Lauritzen-Wermuth-Frydenberg).

• Viene mostrato come un grafo di profilo induca una classe di grafi a catena LWF a due blocchi (dove un blocco è $V$ e l'altro è $X$).
• Viene introdotta una distinzione tra vertici "circolari" (la cui dipendenza da $X$ varia) e "quadrati" (la cui distribuzione marginale è invariante rispetto a $X$ data la rimanente variabilità), permettendo di catturare sia le variazioni strutturali che quelle parametriche.

Modello Gaussiano e Inferenza Bayesiana

Per i dati continui, viene proposto un Modello Grafico di Profilo Gaussiano:

• Parametrizzazione: Si basa su vettori di media e matrici di precisione ($\Omega_x$) specifiche per ogni profilo.
• Priors: Viene sviluppato un approccio Bayesiano utilizzando priors Spike-and-Slab continui.
  • Vengono introdotti indicatori binari globali ($\gamma_{ij}$) per la connettività tra nodi in almeno un profilo.
  • Indicatori specifici per il profilo ($r_{ij,x}$) per la sparsità locale.
  • Indicatori per l'effetto del fattore esterno ($\theta_i$).
• Algoritmo: Per l'inferenza efficiente, viene sviluppato un algoritmo EM (Expectation-Maximization) veloce, che massimizza il log-posteriore completo, permettendo di apprendere strutture di sparsità condivise e specifiche tra i diversi livelli di rischio.

3. Risultati

Studi di Simulazione

I modelli sono stati testati su dati simulati confrontandoli con metodi competitivi come GemBag, Fused Graphical Lasso (FGL) e Group Graphical Lasso (GGL).

• Scenario: 4 livelli di covariate, variando numero di nodi ($p=20, 50, 100$) e livelli di sparsità.
• Performance: Il modello proposto (BPUGM) ha ottenuto sistematicamente l'AUC (Area Under the Curve) più alta in tutti gli scenari, specialmente quando le strutture dei grafi erano parzialmente condivise (Scenari 2 e 3).
• Robustezza: BPUGM ha mostrato una maggiore stabilità e capacità di recupero della struttura reale rispetto ai competitor, anche in condizioni di piccoli campioni.

Applicazione Reale: Leucemia Mieloide Acuta (AML)

Il modello è stato applicato a dati di espressione proteica (RPPA) di 213 pazienti con AML, suddivisi in 4 sottotipi (M0, M1, M2, M4).

• Obiettivo: Ricostruire le reti di interazione proteica specifiche per sottotipo.
• Risultati:
  • BPUGM ha prodotto una rete più parsimoniosa (meno archi falsi positivi) rispetto a GemBag.
  • Ha rivelato un'eterogeneità maggiore tra i pazienti, identificando dipendenze specifiche per sottotipo che i metodi tradizionali non coglievano.
  • Ha dimostrato una maggiore robustezza (accuratezza bilanciata del 97.36% vs 93.39% di GemBag) in test di ricampionamento, suggerendo che la modellazione esplicita del fattore esterno ($X$) aiuta a disambiguare le vere dipendenze condizionali dalle associazioni indotte dall'eterogeneità non modellata.

4. Contributi Chiave

1. Nuova Classe di Modelli: Introduzione dei Profile Undirected Graphs come framework unificato per modellare distribuzioni condizionali di risposta date diverse configurazioni di un fattore di rischio.
2. Proprietà Teoriche: Derivazione delle proprietà di Markov (Globale, Locale, Insieme Connesso) e dimostrazione della loro equivalenza sotto distribuzioni positive.
3. Ponte Teorico: Stabilimento della compatibilità formale tra i grafi di profilo e i grafi a catena LWF, colmando il divario tra modelli di regressione multivariata e modelli di indipendenza contestuale.
4. Inferenza Efficiente: Sviluppo di un algoritmo EM Bayesiano con priors Spike-and-Slab per l'identificazione di strutture di sparsità condivise e specifiche.

5. Significato e Implicazioni

Questo lavoro rappresenta un avanzamento significativo nell'analisi di reti complesse in presenza di fattori di contesto.

• Interpretabilità: Permette di visualizzare in un'unica immagine come le connessioni tra variabili cambino al variare di una condizione esterna, superando la rigidità dei grafi a catena e la frammentazione dei grafi multipli.
• Medicina di Precisione: Nell'applicazione all'AML, il metodo ha dimostrato di poter catturare differenze biologiche sottili tra sottotipi di cancro, offrendo uno strumento potente per comprendere l'eterogeneità della malattia e potenzialmente guidare terapie personalizzate.
• Generalità: Il framework è estendibile oltre la distribuzione Gaussiana (ad esempio, tramite trasformazioni log-lineari per dati discreti), rendendolo applicabile a un'ampia gamma di problemi statistici dove il contesto modula le relazioni di dipendenza.