[論文レビュー] Parametric Inference using Persistence Diagrams: A Case Study in Population Genetics

Kevin Emmett, Daniel I. S. Rosenbloom+2 more|arXiv (Cornell University)|Jun 18, 2014

Topological and Geometric Data Analysis参考文献 13被引用数 47

ひとこと要約

本稿では、コalescentモデルのパrameter推定に用いる尤度ベースの推定統計として、持久的ダイアグラムにおける位相的特徴をモデル化することで、集団遺伝学におけるパラメトリック推論に持続的ホモロジーを用いる手法を提案する。本手法により、ゲノムデータに内在するマルチスケールの位相的構造——例えば、鳥インフルエンザにおけるサブタイプ内およびサブタイプ間の再結合レートの差異——を信頼性高く推定し、生物学的に解釈可能であることが示された。

ABSTRACT

Persistent homology computes topological invariants from point cloud data. Recent work has focused on developing statistical methods for data analysis in this framework. We show that, in certain models, parametric inference can be performed using statistics defined on the computed invariants. We develop this idea with a model from population genetics, the coalescent with recombination. We apply our model to an influenza dataset, identifying two scales of topological structure which have a distinct biological interpretation.

研究の動機と目的

• 持久的ダイアグラムから導出される位相的不変量を用いたパラメトリック推論のフレームワークの構築を目的とする。
• 持続的ホモロジーが、進化的パラメータを反映する複雑でマルチスケールの位相的信号を捉え、要約できるかどうかを検討することを目的とする。
• コalescentと再結合を伴う良好に定義された確率的モデルにおいて、位相的統計量が十分統計量として機能するかの妥当性を検証することを目的とする。
• 持久的ダイアグラム内の位相的特徴が、突然変異率（θ）や再結合率（ρ）といった生物学的に関連するパラメータを推定可能であるという概念的実証を提供することを目的とする。
• 実世界のゲノムデータ、例えば鳥インフルエンザのリアッセムブルメントパターンに現れる位相的構造の生物学的解釈可能性を示すこと。

提案手法

• ゲノム配列データに対してバーチャル・リップス複体とDionysusライブラリを用いて持続的ホモロジーを計算し、持久的ダイアグラムを生成する。
• ホモロジー類の誕生時刻と消滅時刻を含む位相的特徴を持久的ダイアグラムから抽出し、ループ構造を表すH₁に注目する。
• 複数のスケールの位相的信号を捉えるために、ガンマ分布の混合モデルを用いて位相的特徴の分布をモデル化する。
• 最尤推定法を用いて、誕生時刻と消滅時刻の分布に適合した分布からモデルパラメータ（θおよびρ）を推定する。
• 推定精度と信頼区間の妥当性を検証するため、変動するθおよびρを想定したシミュレートされたコalescentデータに本手法を適用する。
• 実際の鳥インフルエンザデータ（7つのHAサブタイプ、全3,105配列）に本手法を拡張し、誕生時刻と消滅時刻に二峰性分布が観察されたことから、サブタイプ内およびサブタイプ間の再結合率に明確な差が存在することが推定された。

実験結果

リサーチクエスチョン

• RQ1 持久的ダイアグラム内の位相的特徴が、集団遺伝学の確率的モデルにおけるパラメトリック推論のための十分統計量として機能できるか。
• RQ2 突然変異率（θ）や再結合率（ρ）といったモデルパラメータが、コalescentシミュレーションにおける持久的ダイアグラムの位相的構造にどのように影響を与えるか。
• RQ3 持続的ホモロジーが、インフルエンザにおけるサブタイプ内およびサブタイプ間の再結合といった、複数の生物学的スケールの遺伝的多様性を検出し、区別できるか。
• RQ4 実際のゲノムデータにおいて、持久的ダイアグラムの位相的構造を用いて、生物学的に意味のある解釈が可能な再結合率をどの程度正確に推定できるか。
• RQ5 複雑な確率的モデルにおいて、位相的統計量が信頼性のあるパラメトリック推論を可能にするために満たすべき条件は何か。

主な発見

• 突然変異率（θ = 5000）が高く、再結合率（ρ = 72）も高い条件下で、再結合率ρの推定が精度を向上させ、信頼区間が狭くなった。
• インフルエンザデータでは、H₁特徴の誕生時刻および消滅時刻に二峰性分布が観察され、2つの明確なスケールの位相的構造が存在することが示された。
• サブタイプ内再結合率はρ₁ = 9.68、サブタイプ間再結合率はρ₂ = 21.43と推定され、サブタイプ間再結合はサブタイプ内再結合の2倍以上に達することが示された。
• バーコード図におけるサブタイプ内（青色の棒）とサブタイプ間（緑色の棒）の特徴の位相的差異が確認され、持続的ホモロジーが異なる遺伝的スケールにおける生物学的出来事の解明に有効であることが裏付けられた。
• 本手法により、実際の複雑なゲノムデータにおいても、持久的ダイアグラム内の位相的信号を用いて統計的に厳密なモデルパラメータ推定が可能であることが示された。
• 本手法により、高いサブタイプ間再結合にもかかわらず、異なるHAサブタイプが維持されている遺伝的障壁が明らかになった。これは生物学的に意味のある制約であり、今後のさらなる調査が求められる。