Tree-Structured Orthonormal Decomposition of the Aitchison Simplex

Motivation

• Known: Compositional data는 Aitchison geometry를 통해 ILR 변환으로 Euclidean tangent space에 isometric하게 임베딩될 수 있으며, 이때 어떤 orthonormal basis를 선택하느냐에 따라 해석 가능성이 달라진다. 이진 트리(binary tree)의 경우 PhILR과 같이 sequential binary partitioning을 이용해 각 내부 노드가 하나의 contrast에 대응하는 basis를 canonical하게 구성할 수 있다.
• Gap: 그러나 현실의 phylogenetic tree, taxonomy, ontology 등은 polytomy(다분지, 3개 이상의 자식을 가진 노드)를 흔히 포함하는데(NCBI Taxonomy의 약 64%), 기존 방법들은 이를 무시하거나, 임의로 binary tree로 refine하여 원래 트리에 없는 인위적 노드와 split을 도입하거나(binarization-dependent), Aitchison geometry의 isometry를 희생하거나, 불완전한 coordinate system을 산출한다. Polytomous node에서는 ku−1개의 orthogonal contrast로 구성된 subspace가 필요한데, 이를 canonical하게 정의하고 전역적으로 orthonormal하게 결합하는 방법이 부재했다.
• Why: Compositional data는 microbiome, single-cell genomics, ecology, geochemistry 등 다양한 과학 분야에서 나타나며, 이들 데이터의 계층 구조(taxonomy, phylogeny, ontology)를 geometry를 손상시키지 않으면서 canonical하게 반영할 수 있는 좌표계는 해석 가능성과 multiscale inference를 위한 근본적 도구가 된다. 또한 softmax classifier와의 이론적 연결은 tree-structured probabilistic modeling에도 응용 가능성을 시사한다.
• Approach: 저자들은 각 내부 노드에서 자식 clade들의 크기에 따라 가중된 local geometry를 정의하고, 이를 global orthonormal basis로 lift하는 방식으로 PolyILR을 구성하여, 임의의 트리 topology에 대해 isometry를 보존하는 canonical decomposition을 제안한다.

Achievement

Figure 4. Projection onto top-2 PolyILR features for HMP body

1. PolyILR 구성: 임의의(폴리토미 포함) 트리 topology에 정렬된 Aitchison tangent space의 canonical orthonormal decomposition을 제시하여, 각 내부 노드에 ku−1개의 basis vector를 부여하는 문제를 해결함.
2. 실증적 유효성: microbiome(HMP) 및 single-cell 벤치마크에서 안정적이고 해석 가능한 feature를 산출하며, multiscale tree resolution에서의 inference를 가능케 함을 보임.
3. 이론적 연결: softmax classifier와 shared invariance structure를 통한 새로운 이론적 연결을 확립하여 probabilistic modeling으로의 응용 가능성을 제시함.

How

Figure 2. PolyILR from T on d = 6 leaves to V ∈Rd×(d−1).

• Aitchison geometry의 perturbation ⊕과 powering ⊙ 연산 및 inner product ⟨x,y⟩_A를 기반으로, CLR hyperplane H 상의 orthonormal basis V를 통해 ILR coordinate φ(x)=V⊤log x를 정의
• 이진 트리에서의 sequential binary partitioning(SBP; PhILR)이 각 노드당 하나의 contrast로 작동하는 원리를 분석하고, polytomous node(ku>2 children)에서는 ku−1개의 orthogonal contrast로 이루어진 subspace가 필요함을 규명
• 각 내부 노드에서 weighted local geometry(자식 clade 크기 반영)를 정의하여 canonical local contrast를 구성하고, 이를 leaf 상의 global vector로 lift하는 절차를 제시
• 서로 다른 internal node 간 orthogonality를 disjoint support 및 zero-sum 제약을 통해 보장, 전체적으로 global orthonormal basis V ∈ R^{d×(d-1)}를 구성 (Figure 2)
• HMP body site 데이터 및 single-cell 데이터셋에 대해 top-2 PolyILR feature로의 projection(Figure 4) 등을 통해 feature의 안정성과 해석 가능성을 검증
• CIFAR-100 등에서 softmax classifier의 학습 동역학(gradient norm distribution)을 tree 구조 관점에서 분석하여 PolyILR과 softmax 간의 이론적 연결을 뒷받침(Figure 6)

Originality

• 기존 PhILR 등이 binary tree에 국한되었던 것과 달리, 임의의 polytomous tree topology에 대해 canonical하고 isometry를 보존하는 orthonormal decomposition을 최초로 제시함
• 각 internal node에서 weighted local geometry를 정의해 subtree 크기 불균형 문제를 해결하고, 이를 global orthonormal basis로 lift하는 구성적 프레임워크를 새롭게 제안함
• Aitchison geometry 기반 compositional data 분석과 softmax classifier의 invariance structure 사이의 이론적 연결을 새롭게 규명하여 CoDA와 probabilistic modeling 두 분야를 연결하는 관점을 제시함

Limitation & Further Study

• 본 논문은 표현 자체의 해석 가능성(interpretability)에 초점을 두었으며, 다운스트림 예측 성능 개선을 목표로 하지 않아 실제 task 성능에 대한 검증이 제한적일 수 있음
• Soft polytomy(낮은 신뢰도로 collapse된 노드)와 hard polytomy(실제 다분지 방사)를 구분하지 않고 동일하게 처리하는 것이 통계적으로 항상 타당한지에 대한 추가 논의가 필요함
• softmax classifier와의 이론적 연결이 아직 초기 단계로, 실제 probabilistic modeling에 대한 구체적 응용과 실험적 검증이 후속 연구로 남아 있음
• 매우 큰 트리(대규모 taxonomy)에서의 계산 복잡도 및 확장성에 대한 분석이 발췌된 부분에서는 명확히 제시되지 않음

Evaluation

총평: Compositional data 분석에서 오랫동안 미해결이었던 polytomous tree에 대한 canonical orthonormal decomposition 문제를 기하학적으로 명료하게 해결한 견고한 이론적 기여로, CoDA와 softmax 기반 probabilistic modeling을 잇는 흥미로운 연결까지 제시한 점이 인상적이다.