[논문 리뷰] Sample Size Dependent Species Models

Mingyuan Zhou, Stephen G. Walker|arXiv (Cornell University)|2014. 10. 12.

Bayesian Methods and Mixture Models참고 문헌 54인용 수 3

한 줄 요약

이 논문은 샘플 크기에 따라 변하는 종 모델을 제안하며, 일반화된 음이이항 분포 과정을 기반으로 하여 Simpson의 다양성 지수에 대한 민감한 비모수 베이지안 추정을 가능하게 한다. 샘플 크기에 따라 군집 구조를 모델링함으로써, 전통적인 교환 가능 분할 모델보다 시뮬레이션 및 실제 유전체 및 면역학적 데이터 세트에서 종 균등성의 정확도를 향상시킨다.

ABSTRACT

Motivated by the fundamental problem of measuring species diversity, this paper introduces the concept of a cluster structure to define an exchangeable cluster probability function that governs the joint distribution of a random count and its exchangeable random partitions. A cluster structure, naturally arising from a completely random measure mixed Poisson process, allows the probability distribution of the random partitions of a subset of a sample to be dependent on the sample size, a distinct and motivated feature that differs it from a partition structure. A generalized negative binomial process model is proposed to generate a cluster structure, where in the prior the number of clusters is finite and Poisson distributed, and the cluster sizes follow a truncated negative binomial distribution. We construct a nonparametric Bayesian estimator of Simpson's index of diversity under the generalized negative binomial process. We illustrate our results through the analysis of two real sequencing count datasets.

연구 동기 및 목표

• 기존의 교환 가능 분할 모델이 군집 확률 함수에서 샘플 크기 독립성을 가정하는 한계를 해결하기 위해.
• 종 다양성을 모델링하기 위한 유연한 비모수 베이지안 프레임워크를 개발하여 종 풍부도 데이터에서 샘플 크기 영향을 고려하기 위해.
• 작은 표본 및 고다양성 설정에서 기존의 빈도주의 추정치보다 개선된 Simpson의 다양성 지수 추정기법을 구축하기 위해.
• 유전체학 및 면역학에서의 카운트 데이터, 예를 들어 T세포 수용체 및 EST 시퀀싱 데이터 세트에서 종 균등성을 정확하게 추론하기 위해.
• 베이지안 비모수 혼합 모델에서 랜덤 카운트 벡터 및 잠재 카운트 행렬을 모델링하기 위한 기반을 제공하기 위해.

제안 방법

• 완전 무작위 측도 혼합 포아송 과정에서 유도된 군집 구조를 제안하여 분할 확률이 샘플 크기에 의존하도록 한다.
• 유한한 수의 군집(포아송 분포로 정의됨)과 잘린 음이이항 분포 군집 크기를 가진 일반화된 음이이항 과정(GNBP)을 도입한다.
• 샘플 크기 의존성을 통합함으로써 EPPF를 일반화한 교환 가능 군집 확률 함수(ECPF)를 유도한다.
• GNBP 사전을 사용하여 Simpson의 지수에 대한 비모수 베이지안 추정기법을 개발하고, MCMC를 통한 사후 추론을 가능하게 한다.
• 중국 식당 과정 유사 샘플링 규칙을 적용하여 크기에 따라 예측 확률이 변하는 분할을 생성한다.
• Gibbs 샘플링을 사용한 MCMC를 통해 매개변수(γ₀, a, p)의 사후 분포를 추정하고 사후 예측 다양성 추정치를 계산한다.

실험 결과

연구 질문

• RQ1 기존의 분할 구조에서와 같이 불변인 것과 달리, 무작위 분할의 분포가 샘플 크기에 명시적으로 의존하는 종 모델을 구성할 수 있는가?
• RQ2 작은 표본 및 고다양성 설정에서 Simpson의 다양성 지수 추정 정확도를 향상시키기 위해 비모수 베이지안 모델을 어떻게 설계할 수 있는가?
• RQ3 표준 EPPF 기반 모델과 비교할 때, 일반화된 음이이항 과정이 종 풍부도 빈도 수를 모델링하는 데 어떤 성능을 보이는가?
• RQ4 제안된 모델은 T세포 수용체 및 EST 데이터와 같은 실제 시퀀싱 데이터 세트에서 종 균등성을 효과적으로 포착할 수 있는가?
• RQ5 할인 매개변수 a를 고정하는 대신 추정하도록 허용할 경우, Simpson의 지수 추정 정확도에 어떤 영향을 미치는가?

주요 결과

• 추정된 할인 매개변수 a < 1을 가진 제안된 일반화된 음이이항 과정 모델은 EST 데이터 시뮬레이션에서 진짜 Simpson의 지수에 대해 99% 95% 신뢰구간 커버리지와 69% 50% 커버리지 달성.
• a가 0 ≤ a < 1로 제한된 경우, 평균 편향은 0.48 × 10⁻³, 중앙편향은 1.11 × 10⁻³로 나타나, a = 0.5 또는 a = 0으로 고정한 경우보다 유의미하게 우수한 성능을 보였다.
• 모델은 T세포 수용체 및 EST 데이터 세트 양쪽에서 뛰어난 성능을 보였으며, 당뇨병 유전자 변형 마우스의 조절 T세포에서 낮은 Simpson의 지수를 나타내어 다양성이 감소했음을 시사했다.
• 시뮬레이션 연구에서 a를 -1 또는 0으로 고정한 경우, 50% 및 95% 신뢰구간에 대해 모두 0% 커버리지가 관찰되어 a를 추정하도록 허용하는 것이 중요함을 입증했다.
• 샘플 크기 의존성을 통합함으로써, 특히 고다양성, 저표본 크기 설정에서 다양성의 더 정확한 사후 추정이 가능해졌다.
• 이 프레임워크는 효율적인 MCMC 추론을 가능하게 하며, 베이지안 비모수 모델에서 랜덤 카운트 행렬 및 잠재 군집 구조를 모델링하기 위한 기반을 제공한다.