[논문 리뷰] Integrated Nested Laplace Approximation for Bayesian Nonparametric Phylodynamics

Julia A. Palacios, Vladimir N. Minin|arXiv (Cornell University)|2012. 10. 16.

Bayesian Methods and Mixture Models참고 문헌 29인용 수 23

한 줄 요약

이 논문은 유전적 데이터로부터 인구 크기 궤적을 추정하기 위해 MCMC의 효율적인 대안으로, 통합 중첩 라플라스 근사(INLA)를 적용하여 베이지안 비모수 계통발생학에 새로운 접근을 제시한다. 유전 계통수를 입력으로 사용할 때, INLA는 MCMC에 비해 높은 정확도와 뚜렷한 계산 속도 향상을 이룩하면서도 사후 추론 품질을 유지한다.

ABSTRACT

The goal of phylodynamics, an area on the intersection of phylogenetics and population genetics, is to reconstruct population size dynamics from genetic data. Recently, a series of nonparametric Bayesian methods have been proposed for such demographic reconstructions. These methods rely on prior specifications based on Gaussian processes and proceed by approximating the posterior distribution of population size trajectories via Markov chain Monte Carlo (MCMC) methods. In this paper, we adapt an integrated nested Laplace approximation (INLA), a recently proposed approximate Bayesian inference for latent Gaussian models, to the estimation of population size trajectories. We show that when a genealogy of sampled individuals can be reliably estimated from genetic data, INLA enjoys high accuracy and can replace MCMC entirely. We demonstrate significant computational efficiency over the state-of-the-art MCMC methods. We illustrate INLA-based population size inference using simulations and genealogies of hepatitis C and human influenza viruses.

연구 동기 및 목표

• 베이지안 비모수 계통발생학에서 MCMC의 계산적 한계를 해결하기 위해.
• 유전적 데이터로부터 인구 크기 궤적을 추정하기 위한 더 빠르고 정확한 MCMC의 대안을 개발하기 위해.
• 잠재 가우시안 모델을 위한 결정론적 베이지안 추론 방법인 INLA를 계통발생학적 추론에 적응시키기 위해.
• 신뢰할 수 있는 계통수가 제공될 경우 INLA가 MCMC를 대체할 수 있음을 보여주기 위해.
• 모의 및 실제 바이러스 데이터(간염 C 및 인플루엔자)에서 INLA의 성능을 평가하기 위해.

제안 방법

• 계통발생학에서 인구 크기 궤적을 나타내는 잠재 가우시안 모델에 INLA를 적응시키기 위해.
• 시간에 따른 인구 크기를 비모수적으로 모델링하기 위해 가우시안 프로세스 사전분포를 사용하기 위해.
• 잠재 가우시안 모델의 조건부 독립 구조를 활용하여 사후분포에 대한 정확한 라플라스 근사를 계산하기 위해.
• 스토케스틱 샘플링에 의존하지 않고 인구 크기 궤적의 사후분포를 근사하기 위해.
• 관측된 계통수를 신뢰할 수 있는 유전 서열에서 추정된 고정된 입력으로 사용하기 위해.
• 잠재 변수의 전체 조건부 사후분포를 반복적으로 근사하기 위해 INLA의 중첩 구조를 적용하기 위해.

실험 결과

연구 질문

• RQ1 INLA는 계통발생학에서 인구 크기 궤적에 대해 정확한 사후 추론을 제공할 수 있는가?
• RQ2 INLA의 계산 효율성은 계통발생학적 추론에서 최신 기술의 MCMC 방법과 비교해 어떻게 되는가?
• RQ3 INLA가 속도와 정확도 측면에서 MCMC를 능가하는 조건은 무엇인가?
• RQ4 계통수가 높은 신뢰도로 알려져 있을 경우 INLA를 신뢰성 있게 적용할 수 있는가?
• RQ5 INLA는 간염 C 및 인플루엔자 바이러스와 같은 실제 바이러스 데이터셋에서 어떻게 성능을 발휘하는가?

주요 결과

• 신뢰할 수 있는 계통수가 제공될 경우, INLA는 MCMC와 비교해 높은 정확도로 인구 크기 궤적을 추정한다.
• 모든 시험 환경에서 INLA는 MCMC 대비 계산 시간을 수개의 주기로 줄였다.
• 모의 데이터에서 이 방법은 알려진 인구 역학 패턴을 회복하여 인구 역학을 성공적으로 추론하였다.
• 실제 데이터에서는 INLA가 간염 C 바이러스와 인플루엔자 바이러스의 유행 역학을 정확하게 재구성하였다.
• 최소한의 계산 오버헤드로 정밀한 사후 추정치를 제공하여 routine 사용에 적합하다.
• 중간 정도의 계통수 불확실성에 대해 강건한 성능을 보였지만, 계통수가 잘못 추정된 경우 성능이 저하되었다.