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

この論文「Improving the adjusted Benjamini-Hochberg method using e-values in knockoff-assisted variable selection（ノックオフ支援変数選択における e 値を用いた調整済み Benjamini-Hochberg 法の改善）」は、高次元線形回帰モデルにおける変数選択問題（多重検定問題）において、既存のノックオフ法および Sarkar と Tang による手法を、**e 値（e-values）**の概念を取り入れることで改良する新しい枠組みを提案しています。

以下に、論文の技術的な要点を問題定義、手法、主要な貢献、結果、および意義に分けて詳細にまとめます。

1. 問題定義と背景

• 背景: 線形回帰モデル $Y = X\beta + \varepsilon$ において、多数の予測変数（$m$）の中から真に効果のある変数（$\beta_j \neq 0$）を選択する問題。これは多重検定問題 $H_j: \beta_j = 0$ として定式化される。
• 課題:
  • 従来の Benjamini-Hochberg (BH) 法は、検定統計量間の依存構造が任意である場合（特に回帰係数の推定量 $\hat{\beta}$ に基づく場合）に、偽陽性率（FDR）の制御を保証できない。
  • Knockoff 法 (Barber & Candès, 2015): 依存構造を考慮した FDR 制御を可能にするが、信号が弱かったり、検出したい信号数が少ない場合、検出力（Power）が低い傾向がある。
  • Sarkar & Tang (2022) の手法: Knockoff 行列を利用して 2 つの独立な p 値セット（$P^{(1)}$ と $P^{(2)}$）を生成し、Bonferroni 法と BH 法を組み合わせた「Bon-BH 法」を提案。これは Knockoff 法より検出力が高いが、特定の極端な p 値から e 値への変換（較正）に基づいている。
• 本研究の狙い: Sarkar & Tang の手法を、**p 値から e 値への変換（p-to-e calibration）**の観点から再解釈し、より柔軟で改良された較正関数（calibrator）を導入することで、FDR 制御を保ちつつ検出力をさらに向上させること。

2. 提案手法（Methodology）

本研究では、Knockoff 行列を用いて生成された 2 つの p 値セットを活用し、第 1 段階の p 値を e 値に変換して、第 2 段階の p 値に対する重みとして利用する 3 つの新しい手順を提案しています。

基本的な枠組み

1. データ生成: Knockoff 行列 $\tilde{X}$ を用いて、2 つの独立な推定量 $\hat{\beta}^{(1)}$ と $\hat{\beta}^{(2)}$ を得る。
2. p 値の生成: これらから 2 つの p 値セット $P^{(1)}$ と $P^{(2)}$ を計算する。
3. e 値への変換: 第 1 段階の p 値 $P^{(1)}_j$ を、p-to-e 較正関数 $g(\cdot)$ を用いて e 値 $S^{(1)}_j = g(P^{(1)}_j)$ に変換する。
   • 本研究では、有界な（bounded）較正関数を使用することを推奨する。これにより、極端な値による分散の増大を防ぎ、安定した重み付けが可能になる。

提案された 3 つの手順

1. Method 1 (e 値重み付き BH 法):
   • 第 2 段階の p 値 $P^{(2)}_j$ を、第 1 段階の e 値 $S^{(1)}_j$ で割った値 $\tilde{P}_j = P^{(2)}_j / S^{(1)}_j$ を入力として、標準的な BH 法を適用する。
   • 特徴: 真の null 仮説の割合を推定せず、有限サンプルで厳密な FDR 制御を保証する。
2. Method 2 (適応型 e 値重み付き BH 法):
   • Storey の推定量を用いて真の null 仮説の割合 $\pi_0$ を $P^{(2)}$ から推定し、これを BH 法の閾値調整に利用する。
   • 特徴: 検出力の向上を図るが、漸近的な FDR 制御となる（有限サンプルでもシミュレーション上は制御される）。
3. Method 3 (適応型重み付き BH 法):
   • e 値を正規化して重み $W_j$ とし（$\sum W_j = m$）、Storey の推定量を重み付きで修正して $\hat{\delta}_0$ を推定する。
   • 重み付き BH 法を適用する。
   • 特徴: 仮説間の異質性（heterogeneity）を考慮し、特に信号が疎で多数の仮説がある場合に、Method 2 よりもわずかに多くの発見を得られる可能性がある。

理論的貢献

• Sarkar & Tang 手法の一般化: 彼らの手法は、本研究の枠組みにおいて「極端なオール・オア・ナッシング（all-or-nothing）較正関数」を選んだ特殊なケースに相当することを示した。
• 新しい較正関数の提案: 連続かつ有界な較正関数 $g_2(t) = C(1 - t^a)$ を提案。これにより、Sarkar & Tang の離散的な閾値処理よりも滑らかで情報量の多い重み付けが可能になり、実用的な性能向上が期待される。

3. 主要な結果（Results）

シミュレーション研究

• 設定: 線形回帰モデルにおいて、サンプル数 $n$、変数数 $m$、信号数 $k$、相関 $\rho$、信号強度 $\gamma$ を変化させた。
• FDR 制御: 提案手法（M3, M4, M5）は、すべての設定において目標 FDR レベル（$\alpha=0.05, 0.1$）を厳密に、あるいは漸近的に制御した。
• 検出力（Power）:
  • 信号が弱く、信号数が少ない場合: 提案手法は既存の Knockoff 法（M0）や Sarkar & Tang 法（M1, M2）を明確に上回る検出力を示した。特に低 FDR レベル（$\alpha=0.05$）でその差が顕著。
  • 信号が強い場合: Knockoff 法も高い検出力を示すが、提案手法も同等かそれ以上の性能を維持し、FDR 制御とのバランスが良い。
  • 多重共線性: 相関が高い場合、全手法の性能は低下するが、提案手法の相対的な優位性は維持された。

実データ解析（HIV-1 薬剤耐性）

• データ: HIV-1 のプロテアーゼ阻害剤に対する耐性データ（846 サンプル、99 遺伝子位置）。
• 結果:
  • 既存の Knockoff 法（M0）は、厳格な FDR レベル（$\alpha=0.05$）では有意な変数を検出できなかった。
  • 提案手法（M3, M4, M5）は、既知の生物学的に支持された変異（TSM パネル）をより多く検出するとともに、新規変異の発見数も増加させた。
  • 特に低 FDR レベルの条件下で、提案手法の優位性が確認された。

4. 論文の意義と結論

• 理論的統合: Knockoff 法、p 値ベースの多重検定、そして比較的新しい概念である e 値を統合する新しい枠組みを構築した。
• 実用的改善: 既存の「Knockoff 支援」手法の限界（特に信号が弱い場合の検出力不足）を、e 値を重みとして活用することで克服し、より強力な変数選択手法を提供した。
• 柔軟性: 提案された較正関数の選択により、研究者は保守性（FDR 制御の厳格さ）と検出力のバランスを調整できる。
• 将来展望: 一般化線形モデル（GLM）への拡張や、最適較正関数の探索、k-FDR などの他の誤り率指標への適用が今後の課題として挙げられている。

結論として、 この論文は、特に信号が弱く、検出が困難な高次元変数選択問題において、e 値を巧みに利用した新しい重み付け戦略が、既存の最先端手法よりも優れた性能を発揮することを理論的・実証的に示した重要な研究である。