[논문 리뷰] simmr: A package for fitting Stable Isotope Mixing Models in R

Emma Govan, Andrew L. Jackson외 3명|arXiv (Cornell University)|2023. 06. 13.

Isotope Analysis in Ecology인용 수 18

한 줄 요약

본 논문은 SIMMs를 적합시키기 위해 MCMC 또는 Fixed Form Variational Bayes를 사용하는 R 패키지 simmr를 소개하고, 데이터 구조, 모델링 방정식, 사례 연구와 함께 실용적 워크플로우를 자세히 설명합니다.

ABSTRACT

We introduce an R package for fitting Stable Isotope Mixing Models (SIMMs) via both Markov chain Monte Carlo and Variational Bayes. The package is mainly used for estimating dietary contributions from food sources taken via measurements of stable isotope ratios from animals. It can also be used to estimate proportional contributions of a mixture from known sources, for example apportionment of river sediment, amongst many other use cases. The package contains a simple structure which allows non-expert users to interface with the package, with most of the computational complexity hidden behind the main fitting functions. In this paper we detail the background to these functions and provide case studies on how the package should be used. Further examples are available in the online package vignettes.

연구 동기 및 목표

• MCMC와 FFVB를 사용하여 SIMMs를 적합시키기 위한 접근 가능한 R 구현을 제공한다.
• Trophic Discrimination Factors(TDFs) 및 농도 의존성을 포함하여 다중 추적자(tracers)를 갖는 SIMMs의 수학적 기초를 설명한다.
• 실무에서 SIMMs를 위한 데이터 처리, 진단 및 시각화 워크플로를 보여준다.
• 다중 추적자 모델링 및 그룹별 분석을 설명하기 위해 사례 연구(Brent Geese)를 선보인다.

제안 방법

• 다중 추적자 및 보정(TDFs 및 농도 의존성)을 포함한 SIMM 수학 모델을 정의한다.
• 소스 비율에 대해 CLR 프라이어를 사용하고 잔차에 대해 모호한 프라이어를 사용한다.
• 두 가지 적합 방법을 제공한다: JAGS를 통한 MCMC와 Fixed Form Variational Bayes (FFVB).
• 출력 및 그림을 위한 간단하고 통합된 데이터 구조와 S3 클래스를 제공한다.
• iso-space 플롯 및 후방 요약의 행렬과 같은 시각화 도구를 포함한다.

Figure 1: Barplot on the left showing the number of downloads that packages using stable isotope mixing models have obtained (download numbers obtained via the cranlogs package ( cranlogsref ) ) and barplot on the right showing the number of citations papers describing SIMMs software have received o

실험 결과

연구 질문

• RQ1 초보자와 고급 사용자가 모두 접근할 수 있도록 R에서 SIMMs를 어떻게 구현할 수 있을까?
• RQ2 MCMC와 Fixed Form Variational Bayes를 사용해 SIMMs를 적합시킬 때 simmr의 성능과 비교는 어떠한가?
• RQ3 TDFs 및 농도 의존성 보정을 포함한 다중 추적자 SIMMs를 적합시키기 위해 필요한 데이터 구조와 전처리 단계는 무엇인가?
• RQ4 수렴을 진단하고 소스 간의 후방 요약 및 상관관계를 어떻게 해석할 수 있는가?
• RQ5 패키지가 그룹화되거나 반복 측정 데이터를 처리하고 이러한 구조에 적합한 출력 및 시각화를 제공할 수 있는가?

주요 결과

• simmr은 소스 비율과 잔차에 대한 후방 샘플을 포함하여 MCMC와 FFVB 적합을 모두 지원한다.
• 패키지는 간단하고 정리된 데이터 인터페이스와 플로팅 도구를 제공한다(iso-space 및 매트릭스 플롯 포함), 두 가지 적합 방법과 호환된다.
• 수렴 진단(Gelman)을 제공하여 MCMC 실행을 평가하고, 후방 요약은 소스 기여에 대한 평균, 표준편차(sds), 신뢰구간(credible intervals)을 제공한다.
• iso-space 플롯 및 믹싱 폴리곤 확인은 모델링 전에 혼합물이 합당한 소스 공간 내에 위치하는지 확인하는 데 도움이 된다.
• Brent Geese 사례 연구는 그룹화가 있는 다중 추적자(두 동위원소) 모델링을 보여 주며 실용적 워크플로우와 출력물을 보여준다.
• 본 논문은 simmr을 기존 SIMM 도구에 대한 사용자 친화적 대안으로 제시하고, FFVB를 통해 복잡한 데이터 세트에서 더 빠른 적합을 가능하게 한다.

Figure 2: Simple iso-space plot produced by \pkg simmr. The isotope ratios are presented on the x-axis. A, B, and C represent different food sources (with error bars included) and the purple dots represent the mixture values.