[論文レビュー] Non parametric Bayesian approach to LR assessment in case of rare haplotype match

Giulia Cereda|arXiv (Cornell University)|Jun 28, 2015

Bayesian Methods and Mixture Models参考文献 11被引用数 4

ひとこと要約

本稿では、容疑者のY-STRプロファイルが参照データベースに存在しない場合の法医学的DNA解析における尤度比（LR）推定に、2パラメータPoisson-Dirichlet分布を用いた非パrametricベイズ手法を提案する。この手法は、母集団プロファイル頻度を非パrametricにモデル化し、プロファイル識別情報を取り除くことで、特に小標本状況下でも、ナーディブ推定器や加定数推定器を上回る頑健なLR推定を実現する。漸近的正規性を活用したMLEプラグイン近似により、計算が効率的に行える。

ABSTRACT

The evaluation of a match between the DNA profile of a stain found on a crime scene and that of a suspect (previously identified) involves the use of the unknown parameter $p=(p_1, p_2, ...)$, (the ordered vector which represents the proportions of the different DNA profiles in the population of potential donors) and the names of the different DNA types. We propose a Bayesian non parametric method which considers $P$ as a random variable distributed according to the two-parameter Poisson Dirichlet distribution, and discard information about names of DNA types. The ultimate goal of this model is to evaluate DNA matches in the rare type case, that is the situation in which the suspect's profile, matching the crime stain profile, is not one of those in the database of reference.

研究の動機と目的

• 容疑者のDNAプロファイルが参照データベースに存在しない場合に生じる法医学的遺伝学の根本的課題に対処する。この状況では、標準的な頻度ベース尤度比（LR）推定が信頼性を欠く。
• Y-STRプロファイルの膨大なハプロタイプ多様性に起因する希少タイプマッチ状況において、経験的頻度推定器（例：ナーディブ推定器や加定数推定器）の限界を克服する。
• 2パラメータPoisson-Dirichlet分布に従う無限次元の母集団プロファイル頻度ベクトルを確率変数として扱う非パラメトリックベイズモデルを構築する。
• プロファイル識別情報を破棄することで、不要なパラメータを削減し、高次元かつスパースなデータ環境下での推定精度を向上させる。
• 超パramータの最尤推定（MLE）を用いた近似により、真のLRの計算可能な近似を提供する。この手法は、対数尤度関数の漸近的正規性を活用する。

提案手法

• 未知の母集団プロファイル頻度を、無限個の未知タイプを許容する2パラメータPoisson-Dirichlet分布（PD(α, θ)）に従う確率ベクトルPとしてモデル化する。
• 濃度パラメータθとディスcountパラメータαにハイパーパラメータを設定する階層的事前分布を用い、母集団多様性と希少タイプ確率の柔軟なモデル化を可能にする。
• プロファイル名を破棄し、異なるプロファイルの数とその頻度のみを保持することで、観察データを圧縮する。これにより、推論を単純化しつつも、重要な確率的構造を保持する。
• 中国飯店プロセス（CRP）を用いてモデルを表現することで、プロファイルの確率的パーティションの直感的かつ直感的な理解が可能となり、シミュレーションや理論的分析が容易になる。
• データ分布の一部での合意を前提とした新しい理論的結果を導出し、事後オッズ比の洗練された導出を可能にする。
• 超パラメータαとθの最尤推定（MLE）を用いてLRを近似し、φ = n(1−α)/(n+1+θ) の変換を施すことで、漸近的ガウス性を達成し、MCMCや解析的近似による計算が効率的に行える。

実験結果

リサーチクエスチョン

• RQ1 容疑者のY-STRプロファイルが参照データベースに存在しない場合、希少タイプマッチ問題における尤度比を信頼性高く推定する方法は何か？
• RQ2 Poisson-Dirichlet事前分布を用いた非パラメトリックベイズモデルは、スパースなデータ環境下で、従来の経験的推定器や加定数推定器を上回るより正確で頑健なLR推定を提供できるか？
• RQ3 高次元かつ低カバレッジの法医学的データ環境下で、プロファイル識別情報を破棄することは、LR推定の精度と正確性にどのような影響を与えるか？
• RQ4 真のプロファイル頻度が不明な状況下で、超パラメータαとθのMLEが真のLRに一貫的かつ効率的な近似を提供する条件は何か？
• RQ5 変換されたパラメータφとθの対数尤度関数の漸近的正規性は、法医学的LR評価における実用的計算と不確実性の定量化をどのように支援するか？

主な発見

• 提案手法は、特にデータベースサイズが小さい場合に、ナーディブ推定器や加定数推定器と比較して、希少タイプマッチの推定誤差を顕著に低減する。
• 変換されたパラメータ（φ, θ）の事後分布は近似的にガウス分布に従い、MLEプラグインによる期待LRの効率的近似が可能である：LR ≈ (n + 1 + θ_MLE)/(1 − α_MLE)。
• Purpsら（2014）の実際のY-STRデータベースを用いた実験では、モデルがデータに良好にフィットしており、対数尤度関数がPD(α, θ)モデルに一致するべきパワー則的挙動を示している。
• 真のPD(α, θ)プロセスから生成された合成データを用いた制御されたシミュレーションでは、手法のLR推定値は真のLR（LR|p）をよく追従し、超パラメータが正しく推定された場合には最小限のバイアスで推定される。
• 真のLR（pが既知のとき）と推定されたLR（pが未知のとき）の誤差は、モデルとパラメータ推定誤差の両方を制御した場合に最小化され、この手法の頑健性が裏付けられる。
• αのMLEは特定の正則性条件下で一貫性を示すことが判明し、αの観察 Fisher 情報量は標本サイズに応じて増加するため、高次元設定下でもαの一貫性推定が可能である可能性がある。