[論文レビュー] A gentle introduction to the discrete Laplace method for estimating Y-STR haplotype frequencies

Mikkel Meyer Andersen, Poul Svante Eriksen+1 more|arXiv (Cornell University)|Apr 8, 2013

Genetic and phenotypic traits in livestock参考文献 8被引用数 6

ひとこと要約

本稿では、Y-STRハプロタイプ頻度を推定するための離散ラプラス法を提案する。この手法は、各遺伝子座におけるアレルル分布を独立で、周辺的に離散ラプラス分布としてモデル化する。Fisher-Wrightモデルに従い、単一ステップ変異過程を伴うY-STRデータは、この手法によって良好に予測可能であり、混合モデルが集団の亜構造を効果的に捉え、disclapおよびdisclapmixなどのRパッケージを用いて正確な頻度推定が可能であることを示している。

ABSTRACT

Y-STR data simulated under a Fisher-Wright model of evolution with a single-step mutation model turns out to be well predicted by a method using discrete Laplace distributions.

研究の動機と目的

• 法医学的遺伝学におけるY-STRハプロタイプ頻度推定の統計的に妥当な手法の開発。
• 単一ステップ変異モデル下でのモーダルアレルルと変異パターンを捉える離散ラプラス分布を用いたY-STRアレルル分布のモデル化。
• 単変量離散ラプラスモデルを多変量で周辺的に独立な分布へと拡張し、多遺伝子座ハプロタイプに適用。
• 単一および混合のFisher-Wright集団からのシミュレートされたY-STRデータを用いた手法の性能評価。
• 法医学的および集団遺伝学的応用を想定した、実用的でオープンソースのRベースの実装の提供。

提案手法

• 各Y-STR遺伝子座を、モーダルアレルル（y）を位置母数とし、分散母数（p）を持つ単変量離散ラプラス分布としてモデル化する。
• 最尤推定を用いて母数を推定する：位置母数（ŷ）は中央値、μ̂は平均絶対偏差、p̂は導出式により算出する。
• 多変量ハプロタイプ確率を、遺伝子座間の独立な単変量離散ラプラス確率の積として構築する。
• 有限混合モデルを用いて集団の亜構造を検出する。混合された多変量離散ラプラス分布（成分の割合が未知）に適合させる。
• 混合モデルにおける最適な亜集団数の選択にベイズ情報量基準（BIC）を用いる。
• Linux、macOS、Windowsで動作するRパッケージdisclap、disclapmix、fwsimを用いて、シミュレーションと解析の実装を実施する。

実験結果

リサーチクエスチョン

• RQ1 単一ステップ変異モデル下で、離散ラプラス分布はY-STRアレルル頻度分布を正確にモデル化できるか？
• RQ2 離散ラプラス混合モデルは、構造化された集団におけるハプロタイプ頻度をどの程度正確に推定できるか？
• RQ3 この手法は、シミュレートされたY-STRデータにおいて、真の集団構造および亜集団割合をどの程度回復できるか？
• RQ4 予測精度の観点から、この離散ラプラス法は実測集団頻度と比較してどの程度優れているか？
• RQ5 わずかな観測サンプル数でのみ、まれなハプロタイプ頻度を信頼性高く推定できるか？

主な発見

• 単一ステップ変異過程を伴うFisher-Wrightモデル下でシミュレートされたY-STRデータは、周辺的に独立な多変量分布としてモデル化された離散ラプラス分布により良好に予測可能である。
• この手法は、シミュレートされたデータにおいて真のモーダルアレルル（y）と分散母数（p）を的確に回復しており、推定母数は生成値と非常に近い値を示している。
• 推定された亜集団割合（τ̂）はそれぞれ0.2126および0.7874であり、シミュレートされたデータの真の混合割合（0.204および0.796）とよく一致している。
• ベイズ情報量基準（BIC）により、最適な亜集団数は2つと特定され、k=2のときのBIC値（8600）はk=1,3,4,5のそれより低く、最適性が確認された。
• 予測されたハプロタイプ頻度は、真の集団頻度と強く一致しており、対数-対数プロットの傾きが1に近く、決定係数（R²）が高いため、正確な推定が可能であることが裏付けられた。
• この手法はシングルトンハプロタイプ（単一出現）を効果的にモデル化できており、シミュレートされたデータセットでは67.2%のハプロタイプが固有であったが、依然として信頼性の高い頻度推定が可能であった。