[論文レビュー] Probabilistic Graphical Model Representation in Phylogenetics

Sebastian Höhna, Tracy A. Heath+4 more|arXiv (Cornell University)|Dec 9, 2013

Evolution and Paleontology Studies参考文献 8被引用数 7

ひとこと要約

本稿は、系統樹のトポロジーとその条件付き依存関係を表現するために、標準的な確率的グラフィカルモデルに木型プレートを拡張する、統計的系統分類学のための新規なグラフィカルモデリングフレームワークを提案する。このフレームワークにより、複雑な系統的モデルのモジュラーで人間が読みやすい、かつ計算的に効率的な表現が可能となり、再現性のある推論、ソフトウェア開発、および異分野間の協働を促進する。

ABSTRACT

Recent years have seen a rapid expansion of the model space explored in statistical phylogenetics, emphasizing the need for new approaches to statistical model representation and software development. Clear communication and representation of the chosen model is crucial for: (1) reproducibility of an analysis, (2) model development and (3) software design. Moreover, a unified, clear and understandable framework for model representation lowers the barrier for beginners and non-specialists to grasp complex phylogenetic models, including their assumptions and parameter/variable dependencies. Graphical modeling is a unifying framework that has gained in popularity in the statistical literature in recent years. The core idea is to break complex models into conditionally independent distributions. The strength lies in the comprehensibility, flexibility, and adaptability of this formalism, and the large body of computational work based on it. Graphical models are well-suited to teach statistical models, to facilitate communication among phylogeneticists and in the development of generic software for simulation and statistical inference. Here, we provide an introduction to graphical models for phylogeneticists and extend the standard graphical model representation to the realm of phylogenetics. We introduce a new graphical model component, tree plates, to capture the changing structure of the subgraph corresponding to a phylogenetic tree. We describe a range of phylogenetic models using the graphical model framework and introduce modules to simplify the representation of standard components in large and complex models. Phylogenetic model graphs can be readily used in simulation, maximum likelihood inference, and Bayesian inference using, for example, Metropolis-Hastings or Gibbs sampling of the posterior distribution.

研究の動機と目的

• 系統的モデルの複雑化と不透明性が、モデル理解、再現性、ソフトウェア開発を妨げているのを是正すること。
• 統計的系統分類モデルにおける依存関係と仮定を統一的で視覚的かつ形式的なフレームワークで表現すること。
• BUGS などの既存ソフトウェアが木型トポロジー、連続時間マルコフ過程、複雑なモデル構造をネイティブに扱えないという制限を克服すること。
• 標準化されたグラフィカル表現を通じて、モデルのコミュニケーション、モジュラー化、実装を容易にすること。
• グラフィカルモデリングとモデル式の標準的慣習に準拠することで、系統分類学と応用統計学の統合を促進すること。

提案手法

• 標準的な確率的グラフィカルモデルの要素（確率的ノード、決定的ノード、観測ノード、定数ノード）を系統的文脈に適応する。
• 系統樹の階層的かつ可変トポロジー構造を表現するための、丸みを帯びた角と内部構造を持つ特別なグラフィカル構成である木型プレートを導入する。
• プレートと木型プレートを用いて、分類群や木のノードにおける再帰的複製をモデル化し、条件付き独立性と共有パラメータを捉える。
• 代表的な系統的要素（例：置換モデル、時計モデル、レート変動）のモジュラーなコンポーネントを定義し、大規模なモデル記述を簡略化する。
• RevBayes というドメイン特化言語（Rev）にこのフレームワークを実装し、グラフィカルモデル構造を反映させ、MCMC を用いた完全なベイズ推論をサポートする。
• グラフィカルモデル構造を活用して、信念伝播やトポロジーおよびパラメータの両方における MCMC サンプリングを効率的に行う。

実験結果

リサーチクエスチョン

• RQ1 可変トポロジーを持つ複雑な系統的モデルと、複数のパラメータ化されたコンポーネントを、統一的で人間が読みやすく、計算的に効率的な方法で表現するにはどうすればよいか？
• RQ2 系統樹の動的構造（確率的トポロジー、枝別パラメータを含む）を表現するために、どのグラフィカルモデリング拡張が必要か？
• RQ3 グラフィカルモデルは、系統分類学者と応用統計学者間でのモデルの再現性、モularity、コミュニケーションをどの程度向上できるか？
• RQ4 RevBayes などのソフトウェアにおけるドメイン特化されたグラフィカルモデルの実装は、BUGS などの汎用ツールに比べ、系統的推論タスクを効果的に処理できるか？
• RQ5 モジュラーなグラフィカル表現は、複雑な系統的ソフトウェアの開発と保守をどのように簡素化するか？

主な発見

• 木型プレートの導入により、系統樹のトポロジーと枝長の依存関係を、グラフィカルモデル内での確率的変数として正確かつ直感的に表現できるようになった。
• グラフィカルモデルにより、標準的な系統的コンポーネント（例：GTR、GTR+G、CAT、UCLN 時計モデル）のモジュラーな指定が可能となり、再利用性と明確性が向上した。
• RevBayes の実装は、MCMC を用いた完全なベイズ推論を正常にサポートしており、大規模な PhyloGM に対してもグラフィカルモデルが計算的に効率的であることを示している。
• フレームワークにより、視覚的なグラフィカルモデルから実行可能なモデルコードへの直接マッピングが可能となり、モデル記述の誤りを低減し、再現性が向上した。
• モデル式とグラフィカルモデリングの標準慣習に準拠することで、系統分類学と応用統計学の橋渡しを実現した。
• 既存のソフトウェア（例：BUGS）は、木型トポロジー、連続時間マルコフ連鎖、複雑な依存構造のサポートが欠如しているため、PhyloGM には不適切であり、RevBayes のようなドメイン特化ツールの必要性を裏付けた。