NExON-Bayes: A Bayesian approach to network estimation informed by ordinal covariates

Resumo Técnico: NExON-Bayes

Definição do Problema
Na análise de dados biomédicos heterogêneos, como conjuntos de dados ômicos de pacientes em diferentes estágios de doenças ou respostas a tratamentos, os Modelos Gráficos Gaussianos (GGMs) padrão frequentemente falham porque assumem estruturas de dependência condicional homogêneas em todas as amostras. Essa suposição pode levar a conclusões enganosas quando a variabilidade da amostra é impulsionada por fatores intrínsecos, como a gravidade da doença. Embora métodos recentes tentem estimar múltiplas redes conjuntamente, muitos tratam os subgrupos como intercambiáveis, ignorando ordenações naturais (ex: estágios da doença I, II, III). Além disso, as abordagens existentes dependentes de covariáveis muitas vezes têm dificuldade em garantir a definição positiva da matriz de precisão ou carecem da escalabilidade necessária para configurações de alta dimensão.

Metodologia
Os autores propõem o NExON-Bayes, uma estrutura Bayesiana que estende o modelo gráfico spike-and-slab para incorporar covariáveis ordinais ao nível da amostra (ex: estágio da doença, categorias de resposta terapêutica ou números de cópias de genótipo).

• Estrutura do Modelo: O método assume que as amostras dentro de grupos definidos por valores de covariáveis iguais compartilham uma matriz de precisão específica $\Omega^{(a)}$, permitindo que essas matrizes variem entre os níveis da covariável $a \in A$.
• Prior Spike-and-Slab: Para induzir a esparsidade, o NExON-Bayes utiliza uma prior spike-and-slab contínua nos elementos fora da diagonal de cada matriz de precisão. Isso utiliza uma mistura de duas Gaussianas (um "spike" de baixa variância e um "slab" de alta variância) controladas por indicadores binários de inclusão de aresta $\delta^{(a)}_{ij}$.
• Dependência de Covariável Ordinal: Diferente de abordagens que modelam as entradas da matriz de precisão diretamente como funções de covariáveis, o NExON-Bayes modela a probabilidade de inclusão de arestas via um submodelo probit. Especificamente, o indicador de inclusão de aresta $\delta^{(a)}_{ij}$ segue uma distribuição de Bernoulli com probabilidade $\Phi(\zeta_{ij} + a\beta_{ij})$, onde $\Phi$ é a CDF da normal padrão, $\zeta_{ij}$ é um offset de base e $\beta_{ij}$ é um coeficiente de regressão específico da aresta que quantifica a influência da covariável ordinal $a$.
• Algoritmo de Inferência: Para lidar com as demandas computacionais de dados de alta dimensão, os autores desenvolvem um algoritmo Variational Bayes Expectation Conditional Maximisation (VBECM) determinístico. Esta abordagem utiliza uma aproximação de campo médio (mean-field) para fatorizar a distribuição posterior. Crucialmente, o algoritmo atualiza as matrizes de precisão de forma em blocos para garantir que a definição positiva seja mantida em cada iteração, evitando a intratabilidade de métodos de amostragem estocástica como o MCMC.
• Seleção de Modelo: O Critério de Informação Bayesiano estendido ($BIC_\gamma$) é utilizado para selecionar o parâmetro de variância do spike, equilibrando complexidade de modelo e precisão de seleção.

Principais Contribuições

1. Nova Estrutura de Modelagem: O NExON-Bayes é o primeiro método a modelar explicitamente a dependência das probabilidades de inclusão de arestas em relação a covariáveis ordinais dentro de uma estrutura de modelo gráfico conjunto, em vez de modelar as entradas da matriz de precisão diretamente.
2. Escalabilidade: O desenvolvimento de um algoritmo VBECM customizado permite que o método escale para configurações ômicas de alta dimensão (até $P=250$ variáveis) com tempo de execução significativamente reduzido em comparação com modelos conjuntos existentes.
3. Interpretabilidade: Ao estimar os coeficientes de regressão específicos de cada aresta ($\beta_{ij}$), o método fornece uma visão direta de como vias biológicas específicas (arestas) mudam em função da progressão da doença ou de outros fatores ordinais, em vez de apenas fornecer uma estimativa de rede estática.

Resultos

• Estudos de Simulação:
  • Desempenho vs. Baselines: Em simulações com $P=100$ nós e quatro grupos ordinais, o NExON-Bayes superou consistentemente o modelo padrão de spike-and-slab (SSL) de rede única, particularmente em redes com sinais mais fracos (Redes 2 e 3), demonstrando o benefício do empréstimo de informação (information borrowing).
  • Comparação com o Estado da Arte: O NExON-Bayes foi testado contra GGMs dependentes de covariáveis (covdepGE), modelos conjuntos intercambiáveis (SSJGL) e múltiplos modelos de ferradura gráfica (mGHS).
    • Alcançou precisão, recall e acurácia superiores ao covdepGE, que sofreu com estimativas excessivamente esparsas e baixa escalabilidade.
    • Superou o SSJGL em recall, pois o SSJGL tendeu a superestimar a similaridade entre redes, falhando em capturar arestas que "desapareceram" em estágios específicos.
    • Superou significativamente o mGHS em precisão, pois o mGHS produziu redes excessivamente densas com convergência pobre em alta dimensão.
  • Recuperação de Coeficientes: O método recuperou com sucesso a estrutura subjacente dos coeficientes de regressão das arestas, identificando corretamente arestas que aumentaram ou diminuíram em probabilidade com a covariável.
• Aplicação no Mundo Real: Aplicado a dados de ensaio de proteína de fase reversa de pacientes com carcinoma mamário (Estágios I, II e III), o modelo estimou redes proteômicas que evoluíram conforme o câncer progrediu. A análise forneceu insights sobre como grupos de proteínas específicos e suas dependências mudaram através dos estágios da doença, oferecendo uma visão abrangente da dinâmica das vias.

Significância e Alegações
O artigo afirma que o NExON-Bayes oferece uma solução robusta e escalável para a estimativa de redes em cenários heterogêneos onde covariáveis ordinais estão disponíveis. Ao ir além da suposição de intercambiabilidade e evitar os gargalos computacionais do MCMC ou da modelagem direta da matriz de precisão, o método permite a detecção de mudanças sutis e específicas de estágio que outros métodos perdem. Os autores enfatizam que o método fornece não apenas redes estimadas, mas também uma compreensão quantitativa de como as vias biológicas mudam através dos estágios da doença, facilitando interpretações clinicamente significativas. A implementação está disponível como um pacote R amigável no GitHub.