[논문 리뷰] Locally-adaptive Bayesian nonparametric inference for phylodynamics

James R. Faulkner, Andrew F. Magee외 2명|arXiv (Cornell University)|2018. 08. 13.

Genetic diversity and population structure참고 문헌 51인용 수 6

한 줄 요약

이 논문은 효과적 인구수의 로그 변환된 크기를 말뚝 마르코프 랜덤 필드로 모델링하여 국소적 적응성 있는 베이지안 비모수적 방법을 제안한다. 이는 변화점 모델과 가우시안 프로세스 모델의 장점을 결합한 것으로, 돌연 변화나 다양한 매끄러움 수준을 가지는 인구수 궤적을 재구성하는 데 정확도와 정밀도를 향상시킨다. 시뮬레이션과 헤르파티스 C 바이러스 및 스텡비 바이슨 데이터의 실제 분석에서 기존 방법들을 능가한다.

ABSTRACT

Phylodynamics is an area of population genetics that uses genetic sequence data to estimate past population dynamics. Modern state-of-the-art Bayesian nonparametric methods for phylodynamics use either change-point models or Gaussian process priors to recover population size trajectories of unknown form. Change-point models suffer from computational issues when the number of change-points is unknown and needs to be estimated. Gaussian process-based methods lack local adaptivity and cannot accurately recover trajectories that exhibit features such as abrupt changes in trend or varying levels of smoothness. We propose a novel, locally-adaptive approach to Bayesian nonparametric phylodynamic inference that has the flexibility to accommodate a large class of functional behaviors. Local adaptivity results from modeling the log-transformed effective population size a priori as a horseshoe Markov random field, a recently proposed statistical model that blends together the best properties of the change-point and Gaussian process modeling paradigms. We use simulated data to assess model performance, and find that our proposed method results in reduced bias and increased precision when compared to contemporary methods. We also use our models to reconstruct past changes in genetic diversity of human hepatitis C virus in Egypt and to estimate population size changes of ancient and modern steppe bison. These analyses show that our new method captures features of the population size trajectories that were missed by the state-of-the-art phylodynamic methods.

연구 동기 및 목표

• 기존의 베이지안 비모수적 방법이 국소적 적응성이 없거나 계산 문제를 겪는 한계를 해결하기 위해.
• 다양한 기능적 행동, 즉 돌연 변화와 다양한 매끄러움 수준을 포함한 인구수 궤적을 포착할 수 있는 융통성 있고 비모수적 사전분포를 개발하기 위해.
• 유전 서열 데이터로부터 과거 인구 역학을 재구성할 때 정확도와 정밀도를 향상시키기 위해.
• 모르는 수의 변화점이 있는 변화점 모델에 대한 계산적으로 실현 가능한 대안을 제공하기 위해.
• 실제 바이러스 및 고대 DNA 데이터셋에서 인구수 변화를 더 신뢰성 있게 추론할 수 있도록 하기 위해.

제안 방법

• 모델은 사전에 효과적 인구수의 로그 변환된 크기를 말뚝 마르코프 랜덤 필드로 모델링하여 희박한 수축을 통해 국소적 적응성을 유도한다.
• 말뚝 사전분포는 불필요한 局부 변동을 수축시키면서도 중요한 특징을 유지함으로써 매끄러운 영역과 돌연 변화를 모두 허용한다.
• 이 방법은 변화점 모델의 유연성과 가우시안 프로세스의 매끄러움 특성을 결합하여 각각의 단점을 피한다.
• 사후 추론은 마르코프 체인 몬테카를로(MCMC) 샘플링을 사용하여 인구수 궤적과 그 불확실성을 추정한다.
• 모델은 전체 불확실성 정량화가 가능한 계층적 베이지안 프레임워크에 구현되어 있다.
• 이 방법은 시뮬레이션 연구를 통해 검증되었으며, 이집트의 인간 헤르파티스 C 바이러스 및 고대/현대의 스텡비 바이슨 데이터에서 실제 적용되었다.

실험 결과

연구 질문

• RQ1 국소적 적응성을 지닌 베이지안 비모수적 모델이 복잡한 인구수 궤적을 재구성하는 데 기존 방법보다 뛰어나게 성능을 발휘할 수 있는가?
• RQ2 제안된 방법이 인구역학에서 돌연 변화와 다양한 매끄러움 수준을 얼마나 잘 복원할 수 있는가?
• RQ3 말뚝 마르코프 랜덤 필드 사전분포가 변화점 모델과 가우시안 프로세스 모델에 비해 추정 정확도와 정밀도를 향상시키는가?
• RQ4 이 방법은 실제 바이러스 및 고대 DNA 데이터셋에서 역사적 유전적 다양성 변화를 신뢰성 있게 재구성할 수 있는가?
• RQ5 모르는 수의 변화점이 있는 상황에서 이 방법의 계산적 실현 가능성과 강건성은 어떠한가?

주요 결과

• 제안된 방법은 현행 베이지안 비모수적 방법에 비해 인구수 궤적 재구성에서 편향을 감소시키고 정밀도를 높였다.
• 모델은 시뮬레이션과 실제 데이터 양 측면에서 최첨단 방법이 놓친 돌연 변화의 추세와 다양한 매끄러움 수준을 성공적으로 포착했다.
• 시뮬레이션에서 복잡하고 이질적인 특징을 지닌 궤적을 추정하는 데서 뛰어난 성능을 보였다.
• 이집트의 헤르파티스 C 바이러스 다양성 재구성에서 이전 방법이 감지하지 못한 인구역학 패턴을 드러냈다.
• 스템비 바이슨 데이터 분석에서 고대 및 현대 샘플 모두에서 인구수 변화를 정확하게 추론할 수 있었다.
• 말뚝 마르코프 랜덤 필드 사전분포는 추정 궤적에서 매끄러움과 희박성의 균형을 이루는 뛰어난 국소적 적응성을 제공했다.