[論文レビュー] Compound Poisson approximation for random fields with application to sequence alignment

Bojan Basrak, Hrvoje Planinić|arXiv (Cornell University)|Sep 3, 2018

Bayesian Methods and Mixture Models被引用数 14

ひとこと要約

本稿は、依存条件のもとで定常的かつ正規化された変動を示す確率場に対して、複合ポアソン近似定理を構築し、一般のポーランド空間への点過程極限定理の拡張を行う。この枠組みを用いて、バイオインフォマティクス分野におけるローカルな配列アラインメントに関する新たな理論的知見を提供し、長年の課題であった配列マッチの統計的有意性の評価を解決する。

ABSTRACT

The article presents the theory of stationary regularly varying random fields. In this context, we prove a new compound Poisson approximation theorem under appropriate dependence conditions, and demonstrate a couple of effective methods for checking its conditions. The theory is based on an extension of some standard point processes limiting theory to general Polish spaces. Finally, we apply these theoretical results to shed entirely new light on the classical problem of evaluating local alignments of biological sequences.

研究の動機と目的

• 依存性を伴う定常的かつ正規化された変動を示す確率場における複合ポアソン近似の理論的基盤を確立すること。
• 古典的な点過程極限定理を一般のポーランド空間へ拡張し、より広範な適用可能性を実現すること。
• 近似定理の適用可能性を検証するための実用的な条件と手法を開発すること。
• 理論的結果をバイオインフォマティクス分野の古典的問題、すなわちローカルな配列アラインメントに適用すること。
• 配列マッチの統計的有意性を評価するための新しい、きめ細かな枠組みを提供すること。

提案手法

• 著者らは、確率場内の複雑な依存構造を扱えるように、標準的な点過程極限定理を一般のポーランド空間へ拡張する。
• 弱い依存条件の下で、正規化された変動を示す確率場に関連する極値点過程を定義し、それらを分析する。
• 高閾値を超える超過事象のクラスタ数に対する複合ポアソン極限を構築する。
• 主要な技術的ツールとして、ポーランド空間上での正規化された変動と、依存性を制御する混合条件を用いる。
• このアプローチにより、確率場における最大値およびクラスタ数の漸近的分布を導出可能となる。
• この枠組みは、配列アラインメントへの応用を通じて検証され、アラインメントスコアを確率場の汎関数としてモデル化する。

実験結果

リサーチクエスチョン

• RQ1 依存性を伴う正規化された変動を示す確率場に対して、どのようにして複合ポアソン近似を厳密に確立できるか。
• RQ2 どの程度の依存条件が、超過事象の点過程が複合ポアソン極限に収束することを保証するか。
• RQ3 この理論的枠組みを、ユークリッド領域を超えた一般のポーランド空間へどのように適合できるか。
• RQ4 この近似は、ローカルな配列アラインメントの統計的評価をどの程度改善できるか。
• RQ5 このアプローチは、配列マッチスコアの有意性検定における曖昧さを解消できるか。

主な発見

• 適切な混合条件および正規化された変動条件の下で、定常的かつ正規化された変動を示す確率場に対する新しい複合ポアソン近似定理が確立された。
• 極限分布は、確率場内の極値のクラスタリング行動を捉えており、これは配列アラインメントにおいて極めて重要である。
• 理論は、配列アラインメントスコアの観察された尾部挙動を正当化するきめ細かな根拠を提供する。
• この方法は、近似の条件を検証するための体系的な手続きを提供し、効果的なチェック手順を可能にする。
• 配列アラインメントへの応用により、ローカルマッチの有意性を評価するための新しい理論的基盤が明らかになった。
• 結果は、複合ポアソン枠組みがアラインメントスコアの極値構造を正確にモデル化でき、統計的推論を改善できることを示している。