Profile Graphical Models

Título: Modelos Gráficos de Perfil (Profile Graphical Models)

1. Problema e Motivação

Os modelos de regressão multivariada e os gráficos de cadeia (chain graphs), especificamente os do tipo LWF (Lauritzen-Wermuth-Frydenberg), são ferramentas padrão para representar estruturas de independência condicional entre variáveis de resposta e covariáveis. No entanto, esses modelos tradicionais possuem limitações significativas:

• Eles capturam a estrutura de dependência conjunta, mas não modelam explicitamente como essa estrutura muda em função de diferentes níveis de um fator de risco externo (ex: subtipos de uma doença, diferentes condições experimentais).
• Abordagens existentes, como o uso de múltiplos gráficos separados para cada subgrupo ou independências específicas ao contexto, frequentemente falham em incorporar o fator externo diretamente no modelo ou restringem as variações apenas a vértices adjacentes.
• Há uma necessidade de um modelo unificado que possa representar tanto a estrutura de dependência das variáveis de resposta quanto a influência de um fator externo sobre essa estrutura, permitindo a detecção de reversões de efeito ou mudanças na topologia da rede entre diferentes perfis.

2. Metodologia e Proposta

Os autores propõem uma nova classe de modelos gráficos chamada Modelos Gráficos de Perfil Não Direcionados (Profile Undirected Graphical Models).

• Definição do Modelo:

  • O modelo é definido por um único grafo $G_U = (V, E)$ onde as arestas são rotuladas por subconjuntos do espaço de estados do fator externo $X$.
  • Tipos de Arestas:
    1. Aresta Sólida (Full): Conecta dois nós em todos os perfis ($Z = \emptyset$).
    2. Aresta Pontilhada (Dotted) com Rótulo $Z$: Conecta dois nós apenas nos perfis onde $x \notin Z$. Se $x \in Z$, a aresta está ausente (independência condicional).
    3. Ausência de Aresta: Indica independência condicional em todos os perfis.
  • Isso permite que um único grafo codifique múltiplas estruturas de independência condicional, uma para cada nível do fator externo.

• Propriedades de Markov:

  • Os autores definem e estabelecem as propriedades de Markov para esses gráficos: Par (U-PMP), Global (U-GMP) e do Conjunto Conectado (U-CSMP).
  • Demonstram que a propriedade global é equivalente à propriedade do conjunto conectado, baseada em uma regra unificada de conectividade que considera os rótulos das arestas e o perfil específico $x$.

• Compatibilidade com Gráficos de Cadeia:

  • Estabelecem uma relação formal de compatibilidade (em termos de modelos de independência) entre os gráficos de perfil propostos e os gráficos de cadeia LWF de dois blocos.
  • Introduzem uma representação generalizada com vértices "circulares" e "quadrados" para distinguir variáveis cujas dependências mudam com o fator externo daquelas que permanecem estáveis.

• Modelo Gaussiano e Inferência Bayesiana:

  • Para variáveis contínuas, assumem uma distribuição Normal Multivariada onde a matriz de precisão ($\Omega_x$) e os coeficientes de regressão ($\beta_x$) variam conforme o perfil $x$.
  • Priors: Desenvolvem uma abordagem Bayesiana utilizando priors de Spike-and-Slab contínuos.
    • Indicadores binários globais ($\gamma_{ij}$) determinam se uma conexão existe em pelo menos um perfil.
    • Indicadores de nível de perfil ($r_{ij,x}$) capturam a esparsidade específica de cada aresta em cada perfil.
    • Isso permite aprender padrões de esparsidade compartilhados enquanto permite heterogeneidade entre os perfis.
  • Algoritmo: Desenvolvem um algoritmo EM (Expectation-Maximization) rápido para inferência eficiente, maximizando o log-posterior.

3. Contribuições Principais

1. Novo Framework: Introdução dos gráficos de perfil como um framework geral para modelar distribuições condicionais de respostas dadas a qualquer nível de um fator de risco.
2. Propriedades Teóricas: Derivação das propriedades de Markov unificadas e prova da compatibilidade formal com gráficos de cadeia LWF, preenchendo a lacuna entre gráficos de cadeia e múltiplos gráficos.
3. Método de Inferência: Desenvolvimento de um modelo Bayesiano com priors de Spike-and-Slab e um algoritmo EM eficiente para estimar estruturas de rede compartilhadas e específicas.
4. Aplicabilidade: Demonstração da utilidade prática em dados genômicos reais, superando métodos concorrentes.

4. Resultados

• Simulações:

  • O modelo proposto (BPUGM) foi comparado com métodos de ponta como GemBag, Fused Graphical Lasso (FGL) e Group Graphical Lasso (GGL).
  • O BPUGM demonstrou consistentemente a maior AUC (Área sob a Curva ROC) e precisão em todos os cenários (estruturas totalmente distintas, parcialmente compartilhadas ou idênticas).
  • O modelo mostrou-se particularmente eficaz em cenários onde há compartilhamento parcial de estruturas, conseguindo "emprestar força" entre grupos de forma mais eficiente que os concorrentes.
  • Em termos de robustez (avaliada via balanced accuracy com remoção aleatória de 10% dos dados), o BPUGM superou o GemBag, especialmente em grupos com menor tamanho amostral, inferindo estruturas mais esparsas e estáveis.

• Aplicação Real (Leucemia Mieloide Aguda - LMA):

  • Os autores analisaram dados de expressão proteica de 213 pacientes com LMA, divididos em 4 subtipos (M0, M1, M2, M4).
  • O modelo identificou redes de proteínas mais parcimoniosas e capturou heterogeneidade específica do paciente que métodos concorrentes não detectaram.
  • Resultados chave:
    • Identificação de independências condicionais específicas a certos subtipos (ex: interações entre AKTp.308 e BCI.2 presentes apenas em alguns perfis).
    • Detecção de que certas proteínas (BAX, GSK3, XIAP) são independentes do subtipo da doença.
    • O gráfico de perfil unificado forneceu uma visualização mais clara e interpretável das mudanças na rede de sinalização proteica entre os subtipos de câncer do que a visualização de múltiplos gráficos separados.

5. Significado e Impacto

O trabalho representa um avanço significativo na modelagem gráfica estatística ao fornecer uma ferramenta capaz de desentrelaçar dependências condicionais genuínas de associações induzidas por heterogeneidade não modelada. Ao explicitamente modelar o efeito de fatores externos sobre a estrutura da rede, o método permite:

• Descobrir padrões de dependência específicos de subgrupos que seriam mascarados em análises agregadas.
• Fornecer estimativas de rede mais robustas e estáveis, reduzindo falsos positivos.
• Oferecer uma interpretação unificada de como fatores de risco (como subtipos de doenças) reconfiguram sistemas biológicos complexos, com implicações diretas para a medicina de precisão e a compreensão de mecanismos de doenças.