[论文解读] VaiPhy: a Variational Inference Based Algorithm for Phylogeny

Hazal Koptagel, Oskar Kviman+3 more|arXiv (Cornell University)|Mar 1, 2022

Bayesian Methods and Mixture Models被引用 4

一句话总结

VaiPhy 是一种用于贝叶斯系统发育树推断的快速变分推断算法，通过引入 SLANTIS——一种用于采样多歧树拓扑的新提议分布——以及 JC 采样器——首个针对 Jukes-Cantor 模型的分支长度直接采样方法——绕过了自动微分。该方法在速度上比现有变分推断方法（如 VBPI-NF）快达 25 倍，同时实现了最先进的边缘对数似然估计。

ABSTRACT

Phylogenetics is a classical methodology in computational biology that today has become highly relevant for medical investigation of single-cell data, e.g., in the context of cancer development. The exponential size of the tree space is, unfortunately, a substantial obstacle for Bayesian phylogenetic inference using Markov chain Monte Carlo based methods since these rely on local operations. And although more recent variational inference (VI) based methods offer speed improvements, they rely on expensive auto-differentiation operations for learning the variational parameters. We propose VaiPhy, a remarkably fast VI based algorithm for approximate posterior inference in an augmented tree space. VaiPhy produces marginal log-likelihood estimates on par with the state-of-the-art methods on real data and is considerably faster since it does not require auto-differentiation. Instead, VaiPhy combines coordinate ascent update equations with two novel sampling schemes: (i) SLANTIS, a proposal distribution for tree topologies in the augmented tree space, and (ii) the JC sampler, to the best of our knowledge, the first-ever scheme for sampling branch lengths directly from the popular Jukes-Cantor model. We compare VaiPhy in terms of density estimation and runtime. Additionally, we evaluate the reproducibility of the baselines. We provide our code on GitHub: \url{https://github.com/Lagergren-Lab/VaiPhy}.

研究动机与目标

• 解决由于树空间呈指数级增长而导致的贝叶斯系统发育推断计算瓶颈。
• 在不依赖昂贵自动微分的前提下，提升系统发育变分推断的速度。
• 实现对树拓扑、分支长度和祖先序列的高效后验近似。
• 为多歧树和 Jukes-Cantor 模型下的分支长度开发新型采样方案。
• 在显著减少运行时间的同时，实现与最先进方法相当的边缘似然估计。

提出的方法

• VaiPhy 采用均值场变分推断框架，并通过坐标上升法更新变分参数。
• 提出 SLANTIS，一种基于快速可计算权重的双分图匹配采样思想的提议分布，用于高效采样多歧生成树。
• 提出 JC 采样器，这是首个直接从 Jukes-Cantor 模型中采样分支长度的方法，避免了迭代或基于梯度的采样过程。
• 通过 SLANTIS 和 JC 采样器计算重要性加权证据下界（IWELBO），以近似树结构和参数的后验分布。
• 通过将祖先序列作为辅助变量扩展目标分布，从而在无需预计算树的前提下提升后验近似质量。
• 利用指数族性质，确保充分统计量和自然梯度更新的高效计算。

实验结果

研究问题

• RQ1 是否能够在一个不依赖自动微分的系统发育变分推断框架中，实现与最先进方法相当的边缘对数似然估计？
• RQ2 一种针对多歧树拓扑的新型提议分布是否能够实现树空间中更快、更高效的采样？
• RQ3 是否能够直接从 Jukes-Cantor 模型中采样分支长度？该方法是否能实现系统发育变分推断的加速？
• RQ4 在准确性和速度方面，VaiPhy 与现有变分推断和基于 MCMC 的系统发育方法相比表现如何？
• RQ5 VaiPhy 学习到的参数是否可用于为组合 SMC 构建新的提议分布？

主要发现

• VaiPhy 在真实生物数据集上实现了与最先进变分推断方法相当的边缘对数似然估计。
• 在真实数据集上，该方法比领先的基于变分推断的系统发育推断方法 VBPI-NF 快达 25 倍。
• JC 采样器实现了对 Jukes-Cantor 模型下分支长度的直接采样，这是文献中前所未有的新贡献。
• SLANTIS 实现了多歧树拓扑的快速、可计算权重的采样，避免了昂贵的自动微分步骤。
• 该框架支持对树拓扑、分支长度和祖先序列的后验近似，且无需预计算树。
• 该算法性能可复现，其代码已公开发布于 GitHub，供社区使用和扩展。