[论文解读] Great Expectations: EM Algorithms for Discretely Observed Linear Birth-Death-Immigration Processes

Charles R. Doss, Marc A. Suchard+3 more|arXiv (Cornell University)|Sep 5, 2010

Evolution and Genetic Dynamics参考文献 32被引用 1

一句话总结

本文提出了两种新颖的EM算法，用于估计离散时间、非均匀观测的线性出生-死亡-移民过程中的参数。当出生率或移民率受到约束（为零或与出生率成比例）时，利用Kendall的生成函数将E步简化为一维积分，从而实现快速、精确的估计；在一般情况下，采用基于有限状态马尔可夫链直接采样器的蒙特卡洛EM方法，通过模拟数据验证，并应用于结核分枝杆菌中可转座元件的动力学研究。

ABSTRACT

Abstract Estimating parameters of continuous-time linear birth-death-immigration processes, observed discretely at unevenly spaced time points, is a recurring theme in statistical analyses of population dynamics. Viewing this task as a missing data problem, we develop two novel expectation-maximization (EM) algorithms. When birth rate is zero or immigration rate is either zero or proportional to the birth rate, we use Kendall’s generating function method to reduce the E-step of the EM algorithm, as well as calculation of the Fisher information, to one dimensional integration. This reduction results in a simple and fast implementation of the EM algorithm. To tackle the unconstrained birth and immigration rates, we extend a direct sampler for finite-state Markov chains and use this sampling procedure to develop a Monte Carlo EM algorithm. We test our algorithms on simulated data and then use our new methods to explore the birth and death rates of a transposable element in the genome of Mycobacterium tuberculosis, the causative agent of tuberculosis.

研究动机与目标

• 解决在观测为离散且非均匀间隔时，连续时间线性出生-死亡-移民过程参数估计的挑战。
• 将参数估计问题建模为适合EM算法求解的缺失数据问题。
• 在特定约束条件下（移民率为零或与出生率成比例），利用Kendall的生成函数方法，开发计算高效的EM算法。
• 通过有限状态马尔可夫链的直接采样器，将方法扩展至出生率与移民率均无约束的一般情况。
• 在模拟数据上验证方法，并将其应用于结核分枝杆菌的真实基因组数据。

提出的方法

• 将出生率、死亡率与移民率的估计建模为缺失数据问题，利用EM算法处理观测时间点之间未观测到的过程路径。
• 在出生率或移民率被约束为零或与出生率成比例的情况下，应用Kendall的生成函数，将E步简化为一维积分，从而简化计算。
• 采用相同的生成函数方法，通过一维积分高效计算Fisher信息矩阵。
• 在出生率与移民率均无约束的一般情况下，实现基于有限状态连续时间马尔可夫链的直接采样器的蒙特卡洛EM算法。
• 使用基于拒绝采样的直接采样器对观测点之间的隐含轨迹进行采样，从而在EM算法中实现E步的随机近似。
• 迭代执行E步（基于采样路径的完整数据对数似然期望）与M步（最大化期望对数似然）直至收敛。

实验结果

研究问题

• RQ1 当出生率或移民率被约束为零或与出生率成比例时，能否简化EM算法的E步？
• RQ2 如何利用Kendall生成函数的一维积分方法加速出生-死亡-移民过程中EM算法的计算？
• RQ3 当出生率与移民率均无约束时，E步的高效蒙特卡洛近似策略是什么？
• RQ4 在具有非均匀观测间隔的模拟数据上，所提出的EM算法在准确性和计算速度方面表现如何？
• RQ5 所提出的方法能否在真实基因组数据中检测到有意义的生物动力学特征，例如结核分枝杆菌中可转座元件的增殖？

主要发现

• 结合Kendall生成函数的EM算法可将E步简化为一维积分，在特定速率约束下显著提升计算效率。
• 可利用相同的一维积分方法高效计算Fisher信息矩阵，从而实现标准误估计。
• 基于有限状态马尔可夫链直接采样器的蒙特卡洛EM算法，为出生率与移民率均无约束的一般情况提供了稳健的解决方案。
• 模拟结果表明，所提出的算法在快速收敛和低计算开销下实现了高精度的参数估计。
• 在结核分枝杆菌数据上的应用揭示了可转座元件动力学的深层见解，表明基因组中存在非平凡的出生与死亡过程。