[논문 리뷰] A new method for faster and more accurate inference of species associations from novel community data

Maximilian Pichler, Florian Härtig|arXiv (Cornell University)|2020. 03. 11.

Environmental DNA in Biodiversity Studies참고 문헌 58인용 수 8

한 줄 요약

이 논문은 대규모 생물군집 데이터셋에서 종 간 상관관계를 신속하고 정확하게 추론할 수 있도록, 몬테카를로 적분과 엘라스틱넷 정규화를 사용하는 확장 가능한 공동종분포모형(sjSDM)을 소개한다. 기존 방법 대비 수개의 주기적 속도 향상을 보이며, 수천 개의 곰팡이 OTU를 포함한 환경 DNA(eDNA) 데이터에서도 정확도를 유지하거나 향상시키는 것으로 입증되었다.

ABSTRACT

1. Joint Species Distribution models (JSDMs) explain spatial variation in community composition by contributions of the environment, biotic associations, and possibly spatially structured residual covariance. They show great promise as a general analytical framework for community ecology and macroecology, but current JSDMs, even when approximated by latent variables, scale poorly on large datasets, limiting their usefulness for currently emerging big (e.g., metabarcoding and metagenomics) community datasets. 2. Here, we present a novel, more scalable JSDM (sjSDM) that circumvents the need to use latent variables by using a Monte-Carlo integration of the joint JSDM likelihood and allows flexible elastic net regularization on all model components. We implemented sjSDM in PyTorch, a modern machine learning framework that can make use of CPU and GPU calculations. Using simulated communities with known species-species associations and different number of species and sites, we compare sjSDM with state-of-the-art JSDM implementations to determine computational runtimes and accuracy of the inferred species-species and species-environmental associations. 3. We find that sjSDM is orders of magnitude faster than existing JSDM algorithms (even when run on the CPU) and can be scaled to very large datasets. Despite the dramatically improved speed, sjSDM produces more accurate estimates of species association structures than alternative JSDM implementations. We demonstrate the applicability of sjSDM to big community data using eDNA case study with thousands of fungi operational taxonomic units (OTU). 4. Our sjSDM approach makes the analysis of JSDMs to large community datasets with hundreds or thousands of species possible, substantially extending the applicability of JSDMs in ecology. We provide our method in an R package to facilitate its applicability for practical data analysis.

연구 동기 및 목표

• 메타바coding 및 메타게놈 데이터셋과 같은 대규모 생물군집 데이터에서 기존 공동종분포모형(JSDM)의 계산 불가능성 문제를 해결한다.
• 종과 서식지의 수가 증가함에 따라 성능이 급격히 떨어지는 전통적 JSDM의 확장성 한계를 극복한다.
• 종-환경 및 종-종 상관관계 추정의 정확도를 유지하면서도 런타임을 극적으로 단축하는 방법을 개발한다.
• 파이토치(PyTorch)와 같은 현대 기계학습 프레임워크를 통합하여 CPU 및 GPU 가속을 통해 JSDM의 대규모 생태학적 추론에 대한 실용적 적용을 가능하게 한다.

제안 방법

• 기존 JSDM에서 사용하는 잠재변수 근사 대신 전체 공동우도의 몬테카를로 적분을 사용하여 계산 병목 현상을 방지한다.
• 환경 효과, 종 간 상관관계, 잔차 공분산 등 모든 모델 구성 요소에 대해 민감한 엘라스틱넷 정규화를 구현하여 추정의 안정성과 희박성(Sparseness)을 향상시킨다.
• 파이토치(PyTorch)를 활용해 고성능 추론을 위한 하드웨어 가속 기능을 제공하는 sjSDM 프레임워크를 개발한다.
• 기하학적으로 계산이 불가능한 우도 적분을 몬테카를로 샘플링을 통한 확률적 최적화로 근사하여 확장 가능한 계산을 가능하게 한다.
• 다변량 정규분포 우도를 가진 계층적 베이지안 모형으로 JSDM을 재구성하고, 확률적 경량 최하강법을 통한 변분 추론을 적용한다.
• 과적합 방지를 위해 펜리티드 우도 추정을 통해 정규화를 통합하여 추론된 종 간 상관관계의 해석 가능성을 향상시킨다.

실험 결과

연구 질문

• RQ1 잠재변수 근사를 사용하지 않고도 대규모 생물군집 데이터셋에 대해 JSDM을 계산적으로 가능하게 만들 수 있는가?
• RQ2 시뮬레이션 데이터에서 sjSDM와 기존 JSDM 구현 간 종-종 및 종-환경 상관관계의 정확도는 어떻게 비교되는가?
• RQ3 실제 생태학적 데이터셋에서 종의 수와 샘플링 지점의 수가 증가함에 따라 sjSDM의 확장성은 어느 정도인가?
• RQ4 sjSDM는 수천 개의 OTU를 포함한 고속 시퀀싱 데이터, 예를 들어 eDNA 메타바코딩 데이터셋에서 생물 상관관계를 효과적으로 추론할 수 있는가?

주요 결과

• sjSDM는 CPU 단독으로 실행되어도 기존 JSDM 구현 대비 수개의 주기적 런타임 단축을 달성한다.
• 속도가 매우 빠르지만, 시뮬레이션된 생물군집 데이터에서 다른 JSDM 방법보다 더 정확한 종 상관관계 구조 추정을 제공한다.
• 메타바코딩 데이터셋에서 1,000개 이상의 곰팡이 운영분류단위(OTU)를 포함한 eDNA 사례 연구에서도 대규모 데이터셋에 효과적으로 확장된다.
• 고차원적이고 노이즈가 많은 조건에서도 종-환경 및 종-종 상관관계 추정의 정확도를 유지한다.
• 엘라스틱넷 정규화의 통합은 고차원 생태학적 데이터에서 모델의 해석 가능성 향상과 과적합 감소에 기여한다.
• 파이토치(PyTorch)의 사용은 CPU 및 GPU에서 효율적인 계산을 가능하게 하여, 대규모 생태학적 추론을 위한 JSDM의 실용성을 크게 향상시킨다.