[论文解读] Parametric Inference using Persistence Diagrams: A Case Study in Population Genetics

Kevin Emmett, Daniel I. S. Rosenbloom+2 more|arXiv (Cornell University)|Jun 18, 2014

Topological and Geometric Data Analysis参考文献 13被引用 47

一句话总结

本文提出使用持久同调（persistent homology）在种群遗传学中进行参数推断，通过将持久图中的拓扑特征建模为统计量，用于基于似然的共祖先模型参数估计。结果表明，基因组数据中的多尺度拓扑结构——例如禽类流感病毒在亚型内与亚型间存在的不同重组率——可借助该方法可靠估计并进行生物学解释。

ABSTRACT

Persistent homology computes topological invariants from point cloud data. Recent work has focused on developing statistical methods for data analysis in this framework. We show that, in certain models, parametric inference can be performed using statistics defined on the computed invariants. We develop this idea with a model from population genetics, the coalescent with recombination. We apply our model to an influenza dataset, identifying two scales of topological structure which have a distinct biological interpretation.

研究动机与目标

• 开发一种基于持久图中提取的拓扑不变量的参数推断框架。
• 探究持久同调是否能够捕捉并总结反映潜在进化参数的基因组数据中复杂且多尺度的拓扑信号。
• 检验将拓扑统计量用作似然估计中充分统计量在明确随机模型（如含重组的共祖先模型）中的可行性。
• 提供概念验证，证明持久图中的拓扑特征可用于推断生物相关参数（如突变率 θ 和重组率 ρ）。
• 展示真实基因组数据中拓扑结构的生物学可解释性，例如在禽类流感重配模式中的表现。

提出的方法

• 使用 Vietoris-Rips 复形和 Dionysus 库对基因组序列数据计算持久同调，生成持久图。
• 从持久图中提取拓扑特征（同调类的出生与死亡时间），重点关注 H₁ 以捕捉环状结构。
• 使用伽马分布的混合模型对拓扑特征的分布进行建模，以捕捉多尺度的拓扑信号。
• 利用最大似然估计从出生与死亡时间的拟合分布中推断模型参数（θ 与 ρ）。
• 将该方法应用于具有不同 θ 与 ρ 的模拟共祖先数据，以验证估计的准确性和置信区间。
• 将方法扩展至真实禽类流感数据（n=3,105 个序列，涵盖七个 HA 亚型），识别出生与死亡时间的双峰分布，以推断亚型内与亚型间水平的重组率差异。

实验结果

研究问题

• RQ1 持久图中的拓扑特征能否作为种群遗传学随机模型中参数推断的充分统计量？
• RQ2 突变率（θ）与重组率（ρ）等模型参数如何影响共祖先模拟中持久图的拓扑结构？
• RQ3 持久同调能否检测并区分流感病毒中基因变异的多个生物学尺度，如亚型内与亚型间重组？
• RQ4 持久图的拓扑结构在多大程度上可用于真实基因组数据中重组率的估计，并实现具有生物学意义的解释？
• RQ5 拓扑统计量在何种条件下可实现复杂随机模型中可靠参数推断？

主要发现

• 该方法在高突变率（θ = 5000）和高重组率（ρ = 72）条件下，成功提高了重组率 ρ 的估计精度并获得了更紧的置信区间。
• 流感病毒数据在 H₁ 特征的出生与死亡时间上均表现出双峰分布，表明存在两种不同的拓扑结构尺度。
• 亚型内重组率估计为 ρ₁ = 9.68，而亚型间重组率估计为 ρ₂ = 21.43，表明亚型间重组速率超过亚型内重组速率的两倍。
• 条形码图中亚型内（蓝色条形）与亚型间（绿色条形）特征的拓扑区分，证实持久同调可分辨不同遗传尺度上的生物事件。
• 该方法表明，即使在复杂的真实世界数据中，持久图中的拓扑信号也可用于以统计严谨的方式推断模型参数。
• 该方法揭示了尽管亚型间重组频率更高，但存在一种维持 HA 亚型独立性的遗传屏障，提示存在具有生物学意义的约束机制，值得进一步研究。