Estimating Gaussian graphical models of multi-study data with Multi-Study Factor Analysis

技術要約：妊娠糖尿病のメタボロミクスへの応用を伴う、マルチスタディ・ファクターに基づくガウス型グラフィカルモデル

問題提起
妊娠糖尿病（GDM）は、母体および新生児に悪影響を及ぼす代謝疾患である。メタボロミクス・プロファイリングは特定の代謝物とGDMの状態を関連付けることに成功してきたが、近年の知見は、GDMが孤立した代謝物の機能不全ではなく、個別のパターンやシグネチャーを形成する代謝物のグループによる協調的な変化によって特徴付けられることを示唆している。既存の統計的手法には限界がある。標準的な因子分析（FA）は、潜在変数（因子）によって表現される協調的な特徴を特定するが、それらの間の条件付き依存関係（ネットワーク構造）をモデル化しない。一方、ガウス型グラフィカルモデル（GGM）などのネットワークモデルは、条件付き依存関係を効果的に表現するが、通常、複数の研究やグループ間で共有された信号と条件特異的な信号を分離（デコンボリューション）することはできない。現在の微分ネットワーク解析手法は、各条件に対してネットワークを個別に推定するか、あるいは差分を直接推定するが、これらの依存関係における共有成分と研究特異的成分を明示的に分離することには失敗している。このギャップにより、複数の条件下で潜在変数表現に基づいた共有および分岐したネットワークパターンを特定できる統合的なアプローチが必要とされている。

手法：MSFA-X
著者らは、Multi-Study Factor Analysis（MSFA）にネットワークモデリングを組み合わせた新しいフレームワークであるMSFA-X（Extended Multi-Study Factor Analysis）を導入する。

• モデル定式化: MSFA-Xは、観測データ $x_{is}$（研究 $s$ における被験者 $i$）を、共有因子（$f_{is}$）、研究特異的因子（$l_{is}$）、および分解されたノイズ成分の和としてモデル化することで、標準的なMSFAを拡張している。残差共分散 $\Psi_s$ が単一の対角行列である標準的なMSFAとは異なり、MSFA-Xは残差ノイズを共有成分（$\Gamma$）と研究特異的成分（$H_s$）に分割する。研究 $s$ の共分散行列は次のように分解される：
  $$\Sigma_s = \Phi\Phi^\top + \Lambda_s\Lambda_s^\top + \Gamma + H_s$$
  ここで、$\Phi$ は共有ローディング、$\Lambda_s$ は研究特異的ローディングを表し、$\Gamma$ と $H_s$ はフルランクの対角行列である。

• 精度行列の推定: この分解により、共有共分散成分（$\Phi\Phi^\top + \Gamma$）と研究特異的共分散成分（$\Lambda_s\Lambda_s^\top + H_s$）が可逆となる。これにより、部分相関に基づくGGMのエッジを直接推定することが可能になる。このアプローチは、特異行列に対して適用されるグラフィカル・ラッソ（glasso）のような罰則付き尤度法で通常必要とされるチューニングパラメータを回避できる。

• 推定と識別可能性: モデルのパラメータは、期待値条件最大化（ECM）アルゴリズムを用いて推定される。著者らは以下の識別性の問題を解決している：

  1. 回転の不定性: ローディング行列に対するブロック下三角制約によって解決される。
  2. ラベルスイッチング: 同様の制約によって対処される。
  3. 成分の分離: 結合ローディング行列に対するランク制約によって保証される。
  4. ノイズの分解: $\Gamma$ と $H_s$ の分離は統計的に識別可能ではない（その和のみが識別可能である）。著者らは、$\Gamma$ を非識別領域の中心で推定する（$\hat{\gamma}_p = 0.5 \times \min_s \hat{\psi}_{ps}$）という実用的な戦略を提案しており、個々のノイズ推定値は一貫しないものの、得られる精度行列は実用的に意味のあるものになると主張している。

• 有意性検定: エッジの有意性は、経験的ヌル・アプローチを用いて評価される。条件付き相関がないという仮定の下でヌルデータが生成され、観測されたエッジ重みの分布に基づいて経験的p値が計算される。

主な結果

• シミュレーション研究: 10のセッティング（サンプルサイズ、研究数、因子数、ノイズレベルを変化させたもの）にわたる広範なシミュレーションにより、MSFA-Xが標準的なグラフィカル・ラッソのベンチマークを大幅に上回り、共有および研究特異的なネットワーク構造の両方を回収できることが示された。MSFA-Xは、推定された隣接行列と真の隣接行列との間で高い修正RV係数（しばしば0.99超）を達成したが、glassoベースのアプローチは、特に研究特異的なネットワークにおいて、大幅に低い係数となった。
• HAPO研究への適用: ハイパーグリセミアおよび不良妊娠アウトカム（HAPO）研究のメタボロミクスデータ（参加者3,463名：GDMあり576名、なし2,887名）にMSFA-Xを適用した結果、以下が特定された：
  • 共有ネットワーク: 2つの明確なサブネットワーク。一つはアミノ酸（AAs）と長鎖アシルカルニチンを結ぶもの、もう一つは短鎖および中鎖アシルカルニチンを結ぶものである。
  • 条件特異的な差異: GDMのない女性では、グルタミン/グルタミン酸がアミノ酸と短鎖・中鎖アシルカルニチンを結ぶ中心的なハブとして機能していた。GDMのある女性では、このハブ機能が失われ、グルタミン/グルタミン酸はネットワークの他の部分から切り離されていた。逆に、芳香族アミノ酸（ヒスチジン、フェニルアラニン、チロシン）は、GDM特異的なネットワークにおいて強力なハブとなった。
  • 生物学的妥当性: MSFA-Xから導出された潜在因子は、新生児の脂肪蓄積（皮下脂肪厚の合計）と関連していた。具体的には、GDM特異的な因子（芳香族アミノ酸へのローディング）および共有因子は、共変量を調整した後でも、GDMの女性における新生児の脂肪蓄積と有意に関連していた。この関連性はGDMのない女性では観察されず、MSFA-Xによって捉えられた代謝調節のメカニズムが、GDMの母親の子供に対して特異的なリスクをもたらすことを示唆している。

意義と主張
論文は、MSFA-Xが共有信号と研究特異的信号を明示的にデコンボリューションするという、既存の微分ネットワーク解析手法には欠けている能力を備えており、マルチ条件データを分析するための独特かつ解釈可能な視点を提供すると主張している。著者らは、本手法が潜在変数によって誘発されるグラフィカル構造を正常に回収し、ナイーブなベンチマークを凌駕すると断言している。

GDMへの適用は、GDMの代謝環境が、主要なネットワークノード（グルタミン/グルタミン酸など）がデカップリング（脱結合）し、新たなハブ（芳香族アミノ酸）が出現するという全身的な混乱を伴うことを明らかにしている。著者らは、これらの潜在因子が、母体のGDMが新生児のアウトカムにどのように影響を与えるかというメカニズムを理解するための鍵となる、メタボロミクス・プロファイルの生物学的に意味のある変動を捉えていると結論づけている。本手法は、潜在変数構造を持つあらゆる多変量正規データに適用可能な一般的なツールとして提示されており、メタボロミクスに限定されるものではない。MSFA-Xを実装したRパッケージは、研究コミュニティに向けて公開されている。