[论文解读] Flexible model selection for mechanistic network models

Sixing Chen, Antonietta Mira+1 more|arXiv (Cornell University)|Apr 1, 2018

Markov Chains and Monte Carlo Methods参考文献 45被引用 4

一句话总结

该论文提出了一种基于模拟推断的无似然模型选择框架，结合超级学习器（Super Learner）从网络汇总统计量中选择竞争性机制网络模型。通过将近似贝叶斯计算（ABC）与集成学习相结合，该方法即使在似然函数难以计算的情况下，也能实现稳健且可量化不确定性的模型选择，在酿酒酵母蛋白-蛋白相互作用网络上表现出色。

ABSTRACT

Network models are applied across many domains where data can be represented as a network. Two prominent paradigms for modeling networks are statistical models (probabilistic models for the observed network) and mechanistic models (models for network growth and/or evolution). Mechanistic models are better suited for incorporating domain knowledge, to study effects of interventions (such as changes to specific mechanisms) and to forward simulate, but they typically have intractable likelihoods. As such, and in a stark contrast to statistical models, there is a relative dearth of research on model selection for such models despite the otherwise large body of extant work. In this paper, we propose a simulator-based procedure for mechanistic network model selection that borrows aspects from Approximate Bayesian Computation (ABC) along with a means to quantify the uncertainty in the selected model. To select the most suitable network model, we consider and assess the performance of several learning algorithms, most notably the so-called Super Learner, which makes our framework less sensitive to the choice of a particular learning algorithm. Our approach takes advantage of the ease to forward simulate from mechanistic network models to circumvent their intractable likelihoods. The overall process is flexible and widely applicable. Our simulation results demonstrate the approach's ability to accurately discriminate between competing mechanistic models. Finally, we showcase our approach with a protein-protein interaction network model from the literature for yeast (Saccharomyces cerevisiae).

研究动机与目标

• 解决机制网络模型在似然函数难以计算时缺乏模型选择方法的问题。
• 开发一种灵活的、基于模拟的方法，利用正向模拟绕过难以计算的似然函数。
• 通过集成学习和ABC原理，在模型选择中引入不确定性量化。
• 通过使用超级学习器框架，降低对单一学习算法选择的敏感性。
• 在真实世界生物网络——酿酒酵母蛋白-蛋白相互作用数据上，展示该方法的有效性。

提出的方法

• 该方法使用候选机制网络模型的正向模拟生成合成网络数据。
• 应用超级学习器算法基于汇总统计量对网络进行分类，选择最能预测观测网络的模型。
• 汇总统计量通过领域知识选择，以反映候选模型之间的差异。
• 通过匹配模拟网络与观测网络之间的关键网络特征（如度分布、聚类系数）进行模型校准。
• 该方法避免依赖充分统计量，而是利用机器学习从模拟数据中学习最优判别特征。
• 通过超级学习器的集成预测性能和交叉验证量化模型选择中的不确定性。

实验结果

研究问题

• RQ1 基于模拟的无似然方法能否准确地从一组候选模型中选择出最合适的机制网络模型？
• RQ2 与传统的基于ABC的模型选择方法相比，该方法在准确性和鲁棒性方面表现如何？
• RQ3 超级学习器框架在多大程度上降低了对单一分类算法选择的敏感性？
• RQ4 该方法在区分生成规则存在细微差异的机制模型方面表现如何？
• RQ5 该方法能否有效应用于真实生物网络数据，如酿酒酵母蛋白-蛋白相互作用网络？

主要发现

• 所提出的方法在模拟研究中能以高精度区分多个竞争性的机制网络模型。
• 使用超级学习器显著提高了模型选择的鲁棒性，通过组合多种学习算法，无需事先选择最优算法。
• 该方法通过依赖正向模拟和汇总统计量有效处理了难以计算的似然函数，避免了对解析似然计算的需求。
• 基于匹配关键网络特征（如度分布、传递性）的模型校准，确保了模拟网络与观测数据具有可比性。
• 该方法实现了模型选择中的不确定性量化，为所选模型提供了可信度。
• 该方法成功应用于真实世界的酿酒酵母蛋白-蛋白相互作用网络，展示了其在系统生物学中的实际应用价值。