[논문 리뷰] Non parametric Bayesian approach to LR assessment in case of rare haplotype match

Giulia Cereda|arXiv (Cornell University)|2015. 06. 28.

Bayesian Methods and Mixture Models참고 문헌 11인용 수 4

한 줄 요약

이 논문은 참조 데이터베이스에 누군가의 Y-STR 프로파일이 포함되어 있지 않은 경우, 즉 희귀 유형 일치 상황에서 형량 분석에서의 우도비(Likelihood Ratio, LR)를 추정하기 위해 이중 매개변수 포아송-디리클레 분포를 사용하는 비모수 베이지안 방법을 제안한다. 인구 프로파일 빈도를 비모수적으로 모델링하고 프로파일 식별 정보를 기각함으로써, 낮은 표본 크기에서 특히 효과적인 강건한 LR 추정을 제공하며, 점점 더 정확한 계산이 가능해지는 점근적 정규성을 통해 최대우도추정(MLE) 플러그인 근사법을 효율적으로 활용한다.

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.

연구 동기 및 목표

• 참조 데이터베이스에 누군가의 DNA 프로파일이 포함되어 있지 않아 표준 빈도 기반 우도비(Likelihood Ratio, LR) 추정이 신뢰할 수 없게 되는 형량 유전학의 근본적 과제를 해결한다.
• Y-STR 프로파일이 광범위한 허브리도 다양성을 지닌 희귀 유형 일치 상황에서 경험적 빈도 추정기(예: 나이브 추정기 또는 상수를 더하는 방식)의 한계를 극복한다.
• 무한차원의 인구 프로파일 빈도 벡터를 두 매개변수 포아송-디리클레 분포로 제어하는 무한한 수의 무작위 변수로 간주하는 베이지안 비모수 모델을 개발한다.
• 프로파일 식별 정보를 기각함으로써 부수적 매개변수를 줄이고 고차원, 희박한 데이터 환경에서 정밀도를 향상시켜 LR 추정 정확도를 향상시킨다.
• 진정한 LR에 대한 계산 가능 근사치를 제공하며, 초모수의 최대우도추정(MLE)을 활용하고, 우도의 로그 함수의 점근적 정규성을 활용하여 효율적인 MCMC 또는 분석적 근사법을 가능하게 한다.

제안 방법

• 알 수 없는 인구 프로파일 빈도를 두 매개변수 포아송-디리클레 분포(PD(α, θ))를 따르는 무작위 확률 벡터 P로 모델링하여 무한하고 알려지지 않은 유형을 허용한다.
• 농도 매개변수 θ와 할인 매개변수 α에 대한 초모수를 포함하는 계층적 사전분포를 사용하여, 인구 다양성과 희귀 유형 확률을 탄력적으로 모델링할 수 있도록 한다.
• 프로파일 이름을 기각하고 유니크한 프로파일 수와 그 빈도 수치만 유지함으로써 관측된 데이터를 단순화하면서도 핵심 확률적 구조를 유지한다.
• 중국식당과정(CRP)을 통해 프로파일의 무작위 분할을 직관적으로 이해하고 시뮬레이션 및 이론적 분석을 용이하게 한다.
• 데이터 분포의 일부에서 일치함을 가정할 수 있는 새로운 이론적 결과를 도출하여, 사후 오즈 비율의 우아한 유도를 가능하게 하는 LR을 유도한다.
• α와 θ의 최대우도추정(MLE)을 사용하여 LR을 근사하고, φ = n(1−α)/(n+1+θ)의 변환을 적용하여 점근적 가우시안성을 달성함으로써 효율적인 MCMC 또는 분석적 근사법을 가능하게 한다.

실험 결과

연구 질문

• RQ1 참조 데이터베이스에 누군가의 Y-STR 프로파일이 포함되어 있지 않은 경우, 희귀 유형 일치 문제에서 우도비(Likelihood Ratio)를 신뢰성 있게 추정할 수 있는 방법은 무엇인가?
• RQ2 포아송-디리클레 사전을 사용하는 비모수 베이지안 모델이, 특히 희박한 데이터 환경에서 전통적인 경험적 추정기나 상수를 더하는 추정기보다 더 정확하고 강건한 LR 추정을 제공할 수 있는가?
• RQ3 고차원적이고 낮은 커버리지의 형량 데이터에서 프로파일 식별 정보를 기각하는 것이 LR 추정의 정밀도와 정확도에 어떤 영향을 미치는가?
• RQ4 진짜 프로파일 빈도가 알려져 있지 않은 상황에서, 초모수 α와 θ의 최대우도추정(MLE)이 진짜 LR에 대해 일관적이고 효율적인 근사치를 제공할 수 있는 조건은 무엇인가?
• RQ5 변환된 매개변수 φ와 θ에 대한 우도 함수의 점근적 정규성은 형량 LR 평가에서 실용적 계산과 불확실성 정량화를 어떻게 지원하는가?

주요 결과

• 제안된 방법은 특히 데이터베이스 크기가 작을 경우 나이브 추정기나 상수를 더하는 추정기보다 훨씬 낮은 추정 오차를 기록한다.
• 변환된 매개변수(φ, θ)의 사후분포는 약간의 정규분포에 가까워져, MLE 플러그인을 통한 기대 LR의 효율적 근사가 가능하다: LR ≈ (n + 1 + θ_MLE)/(1 − α_MLE).
• 실제 Y-STR 데이터베이스(Purps et al., 2014)에 대한 실험 결과, 모델이 데이터에 잘 맞으며, 로그우도 함수가 PD(α, θ) 모델에 일치하는 거듭제곱 법칙 행동을 보였다.
• 진짜 PD(α, θ) 과정에서 유도된 시뮬레이션 데이터를 사용한 제어 실험에서는, 초모수를 정확히 추정했을 때 모델의 LR 추정치가 진짜 LR(LR|p)를 거의 완전히 따라가며 최소한의 편향을 보였다.
• 진짜 LR(p가 알려진 경우)와 추정된 LR(p가 알려지지 않은 경우) 사이의 오차는 모델 및 매개변수 추정 오차가 모두 통제될 때 최소화되며, 이는 강건성을 입증한다.
• 일부 정규성 조건 하에서 α의 MLE는 일관성이 있으며, α에 대한 관측된 피셔 정보는 표본 크기와 함께 증가하므로 고차원 설정에서도 α의 일관된 추정 가능성이 있다.