[论文解读] Efficient Transition Probability Computation for Continuous-Time Branching Processes via Compressed Sensing

Jason Xu, Vladimir N. Minin|PubMed|Mar 9, 2015

Single-cell and spatial transcriptomics参考文献 29被引用 3

一句话总结

该论文提出了一种压缩感知框架（CSGF），通过利用转移概率中的稀疏性，加速了连续时间分支过程中的转移概率计算。通过将生成函数反演问题重新表述为稀疏信号恢复任务，CSGF 将常微分方程（ODE）求解次数对数级减少，在保持高精度（绝对误差 < 10⁻³）的同时，实现了高达两个数量级的速度提升。

ABSTRACT

Branching processes are a class of continuous-time Markov chains (CTMCs) with ubiquitous applications. A general difficulty in statistical inference under partially observed CTMC models arises in computing transition probabilities when the discrete state space is large or uncountable. Classical methods such as matrix exponentiation are infeasible for large or countably infinite state spaces, and sampling-based alternatives are computationally intensive, requiring integration over all possible hidden events. Recent work has successfully applied generating function techniques to computing transition probabilities for linear multi-type branching processes. While these techniques often require significantly fewer computations than matrix exponentiation, they also become prohibitive in applications with large populations. We propose a compressed sensing framework that significantly accelerates the generating function method, decreasing computational cost up to a logarithmic factor by only assuming the probability mass of transitions is sparse. We demonstrate accurate and efficient transition probability computations in branching process models for blood cell formation and evolution of self-replicating transposable elements in bacterial genomes.

研究动机与目标

• 解决具有大或不可数状态空间的连续时间马尔可夫链（CTMC）在统计推断中的计算瓶颈问题。
• 克服在高维分支过程中矩阵指数运算和基于采样的方法带来的高昂计算成本。
• 利用转移概率中的稀疏性，降低基于生成函数的转移概率估计中的计算负担。
• 实现以往因计算限制而不可行的复杂分支过程模型中的高效似然推断。
• 开发一种可扩展、高精度的方法，适用于造血系统和可转座元件进化等真实世界生物学模型。

提出的方法

• 利用压缩感知，将转移概率计算表述为稀疏信号恢复问题。
• 将概率生成函数（PGF）反演表示为线性系统，其中仅少数条目非零。
• 使用随机测量在关键点采样 PGF，从而减少所需的 ODE 求解次数。
• 通过投影梯度下降（PGD）的迭代优化，从压缩测量中重建转移概率矩阵。
• 引入促进稀疏性的正则化（如 ℓ1-范数），在稀疏支持假设下提升恢复精度。
• 采用 C 语言实现的 ODE 求解器（deSolve）和基于 R 的朴素 PGD 实现，以确保计算效率与可复现性。

实验结果

研究问题

• RQ1 压缩感知能否有效应用于加速连续时间分支过程中的转移概率计算？
• RQ2 在现实的生物学模型中，转移概率的稀疏性是否能实现显著的计算加速而不牺牲精度？
• RQ3 与标准生成函数反演和矩阵指数方法相比，CSGF 在运行时间和精度方面表现如何？
• RQ4 在保持数值保真度的前提下，使用压缩感知可将所需 PGF 求解次数减少到何种程度？
• RQ5 CSGF 框架能否推广至其他基于生成函数的分支过程推断任务？

主要发现

• 在生育-死亡-转移模型中（N=4096），CSGF 所需的 PGF 求解次数减少至标准方法的 0.1%以下，实现 100 倍加速。
• 在造血系统模型中，CSGF 将计算成本降低至基线方法的约 0.5%，最坏情况下仅耗时约 6% 用于 PGF 求解。
• 转移概率恢复的最大绝对误差在 10⁻³ 量级，相对误差（ε_rel）最大为 10⁻²，表明具有高数值精度。
• 该方法在不同种群规模（N=2⁹ 至 N=4096）下均保持稳健性能，展现出良好的可扩展性与稳定性。
• 即使使用朴素的 R 实现 PGD，CSGF 框架仍表现出计算高效性，表明通过代码优化可获得进一步性能提升。
• 在两个具有生物学相关性的模型中，转移概率的稀疏性得到实证验证，支持该方法的实际适用性。