技術的サマリー：再生核による任意に構造化された仮説空間における偽発見の制御

問題定義

大規模な仮説検定は現代科学の基礎であり、偽発見率（FDR）の制御は偽陽性を管理する標準的な手法である。しかし、仮説は孤立して存在することは稀であり、空間的近接性、接続性（例えばグラフ）、または階層性を通じて構造を示すことが多く、これが重大な課題を生み出している。古典的な手法（例えば Benjamini-Hochberg）はこれらの依存関係を、保守的な補正を必要とする障害として扱うが、最近の研究では、既知の構造を活用することで発見力を大幅に向上させることができることが示唆されている。

しかし、構造化された FDR 制御への既存のアプローチは重大な限界に直面している：

1. 明示的な依存関係モデリング: 形式的な確率的依存関係（例えば同時分布）を必要とする手法は、依存関係が疎で明示的に定義されていない限り、計算的に扱いにくいか、統計的に実行不可能であることが多い。
2. 適応的 p 値手法: LAWS や STRAW などのアプローチはヒューリスティックな空間重み付けを使用するが、構造の明示的なモデル、原理的なハイパーパラメータ選択、または事前信念を強制するメカニズムを欠いている。
3. 正則化ベースのアプローチ: 代表的な例である SmoothFDR は、グラフ上で全変分（TV）正則化を用いて、区分的に一定の有意性パターンを強制する。これは確率的要件を緩和するが、離散的なトポロジーに限定され、滑らかな現象には不適切な区分的に一定の解を生み出し、ハイパーパラメータ選択や未観測地点への補間に対する原理的なメカニズムを欠いている。

本論文は、任意に構造化された仮説空間における FDR 制御という一般的な問題に取り組み、連続領域、グラフ、階層性を単一のフレームワークの下で統合し、滑らかな解と原理的な推論を支援することを目指している。

手法

著者らは、構造化された FDR 制御を、再生核ヒルベルト空間（RKHS）内における正則化された学習問題として再定義する。

1. 空間的に変化する混合モデル

このフレームワークは、連続的な仮説インデックス空間 $H \subset \mathbb{R}^d$ を仮定する。各位置 $loc \in H$ において、p 値過程は 2 群混合モデルを通じてモデル化される：
$$f(p | loc) = \alpha(loc)f_0(p) + (1 - \alpha(loc))f_1(p)$$
ここで、$\alpha(loc)$ は空間的に変化する帰無仮説の事前確率を表す。重要なのは、成分密度 $f_0$ と $f_1$ は空間的に不変であると仮定され、混合比率 $\alpha(loc)$ が構造的依存関係を捉える点である。この分離により、$f_0$ と $f_1$ は、プールされたデータに対して標準的な非空間的手法（例えば経験的帰無適合）を用いて推定できる。

2. RKHS 最適化フレームワーク

中核的な貢献は、RKHS $\mathcal{H}_K$ 内で Tikhonov 正則化付き負対数尤度を最小化することによって $\alpha(loc)$ を推定することである：
$$\min_{\alpha \in \mathcal{H}_K} \left( -\sum_{i=1}^N \log(\alpha(loc_i)f_0(p_i) + (1-\alpha(loc_i))f_1(p_i)) + \lambda_{reg}\|\alpha - \bar{\alpha}\|^2_{\mathcal{H}_K} \right)$$
主な技術的革新は以下の通りである：

• カーネルの選択: 構造（空間的、グラフ、階層的）は、再生核 $K$ の選択を通じてのみ符号化される。連続領域では Matérn カーネルが使用され、離散グラフでは拡散カーネルが TV ペナルティを $L_2$ 滑らかさに置き換え、階層性には双曲的埋め込みが利用される。
• ソフト境界制約: 硬いボックス制約（$\alpha \in [0,1]$）の代わりに、違反に対してソフトなペナルティを適用し、凸性と微分可能性を維持する。
• 自然勾配降下法: 標準的なオプティマイザは、条件数が悪いグラム行列 $K$ に直面して困難をきたす。著者らは、勾配ステップにおいてカーネル行列 $K$ が相殺される自然勾配更新を導出し、残差と現在のパラメータのみに依存する単純な更新則を得る。これにより、反復ごとの $O(N^2)$ スケーリングが保証される。

3. FDR 保証付きの決定則

推定された $\hat{\alpha}(loc)$ を棄却に変換するために、2 つの決定則が提案される：

1. モデルフリー FDR 制御（規則 1）: 周辺 2 群混合の保証を使用する。空間ゲート（$\hat{\alpha}(loc) \leq q$）を通じて仮説をフィルタリングし、その集合内の周辺局所 FDR（lfdr）に対して標準的なステップアップ手順を適用する。
2. 鏡像統計量による空間 FDR 制御（規則 2）: Barber-Candès の鏡像統計量フレームワークを適応させる。p 値を反転（$p \to 1-p$）させることで鏡像スコアを構築し、RKHS 推定量の安定性（単一の p 値が反転されたときに $\hat{\alpha}$ が最小限しか変化しないことを保証する）を利用して、レベル $\alpha + O(1/N)$ での FDR 制御を証明する。

4. 全域にわたる推論

観測されていない位置への推論を拡張するために、本論文は 2 段階のアプローチを提案する：

• 段階 1: 観測された位置における $\hat{\alpha}$ の点ごとの推定。
• 段階 2: 点ごとの推定値を近似する、全域的に有効な関数 $\alpha(loc) \in [0,1]$ の学習。これは、目標とモデル間の Kullback-Leibler (KL) 発散を最小化する形式で定式化され、境界を強制するためのスクワッシュ関数（ロジスティック関数）を用いたカーネルロジスティック回帰によって解かれる。これにより、未テストの位置での滑らかな補間と不確実性の定量化（ラプラス近似による）が可能になる。

5. ハイパーパラメータ選択

主な利点は、すべてのハイパーパラメータ（正則化強度、カーネルタイプ、長さスケール）に対して原理的な尤度ベースの交差検証を実行できる点である。著者らは、すべてのハイパーパラメータ選択に対して条件付き密度が適切に正規化されることを証明しており、有効な尤度比較を可能にしている。

主な貢献

1. 統合フレームワーク: カーネルの選択のみを通じて連続領域、グラフ、階層性を処理する単一のアルゴリズムであり、従来の手法の区分的に一定な制約を超えている。
2. 滑らかな解: RKHS の使用により、柔軟な滑らかさ正則化が可能となり、観測された位置と観測されていない位置の両方で有効な連続的な有意性マップを生成する。
3. 理論的保証: 構造の任意の誤指定の下でも、形式的な FDR 制御保証を有する 2 つの決定則が提供される。構造の正しい指定の下では、空間的規則が力において周辺規則を厳密に凌駕することが証明されている。
4. 計算効率: 自然勾配定式化は更新中にグラム行列の逆行列を避けるため、$O(N^2)$ でスケーリングする。このフレームワークは、タイル化された行列ベクトル積を使用して単一の GPU で最大 50 万の仮説をサポートする。
5. 実験デザイン: 見えない位置で $\alpha$ を推論できる能力により、どの仮説を検証するかを戦略的に選択するためのデータ効率の良い実験デザイン（例えば A-最適設計）が可能になる。

結果

この手法は、セミ合成ベンチマークと 2 つの現実世界のタスクで検証された：

• セミ合成ベンチマーク: 注入された p 値を持つ 10 の高次元現実世界データセットを使用して、提案された手法（特に規則 2）は、すべてのデータセットにおいて、AdaPT 変種、SmoothFDR、BH を含むすべてのベースラインよりも厳密に高い力を達成し、同時に有意に低い偽発見率（平均 FDR は約 0.023 対 AdaPT の約 0.08）を維持した。
• HIGGS 素粒子物理学: 98K の衝突イベントのデータセットにおいて、BH と SmoothFDR は FDR の制御に失敗（FDR > 0.25）したが、提案された規則は 0.10 レベルで FDR を制御し、意味のある力を回復した。一方、非空間的な 2 群手法は棄却を行わなかった。
• TCGA 遺伝子発現: タンパク質 - タンパク質相互作用ネットワーク（STRING）を用いた発現差解析において、提案された規則は、最も強力な FDR 制御競合他社（AdaPT）に対して 0.13–0.16 の力向上を達成し、より厳密な FDR 制御を維持した。
• 一般化: この手法は、95% 信頼区間の 94.8% をカバレッジする保持済み位置での $\alpha$ の予測に成功し、信頼性の高い空間補間を実証した。

意義と主張

本論文は、凸最適化の保証、柔軟な滑らかさ正則化、および原理的なハイパーパラメータ選択を備え、全域にわたって有効な連続的な事前マップを生成できる最初の手法を導入すると主張している。これは、依存関係を障害として扱うのではなく、既知の構造を事前情報として活用して発見を強化するという概念的なパラダイムシフトとして位置づけられている。

著者らは、理論的保証は観測された位置に適用されるが、未観測点への拡張は標準的なアウトオブサンプル推論の留保事項に依存することを指摘している。また、フレームワークはカーネル演算に依存しており、非常に大規模なセットではボトルネックになり得るが、50 万の仮説へのスケーラビリティを実証していることも認めている。これらの限界にもかかわらず、提示された大幅な力向上と理論的堅牢性は、構造的仮定が適切である場合に、空間 FDR ツールキットへの貴重な追加となる。