다중좌위 선택 계수 추정을 위한 서명 기반 베이지안 방법

초록

본 논문은 시간에 따라 변하는 다중좌위 알레일 빈도 데이터를 이용해 선택 계수를 추정하는 새로운 베이지안 프레임워크를 제안한다. 서명 커널 스코어링 룰을 이용해 무작위 시뮬레이션으로부터 편향 없는 점수를 계산하고, 이를 의사‑마진얼 MCMC 알고리즘에 적용해 선택 계수의 사후 분포를 효율적으로 샘플링한다. Wright‑Fisher 모델에 재조합과 음성 빈도 의존 선택을 포함한 다양한 상황에서 기존 방법과 비교해 높은 정확도를 보이며, 효모와 초파리 실험 데이터를 통해 실제 적용 가능성을 입증한다.

상세 분석

이 연구는 다중좌위(ℓ = 1~3) 연관된 선택 압력을 동시에 추정하려는 문제에 대해, 전통적인 ABC나 합성 가능도 접근법이 갖는 요약통계 선택의 주관성 및 수렴성 문제를 회피한다. 핵심 아이디어는 ‘서명(signature)’이라는 무한 차원의 시계열 요약통계를 활용하는 서명 커널 스코어링 룰이다. 서명은 경로를 시간에 대해 반복 적분한 결과물로, 고차 상관구조와 비선형 동역학을 포괄적으로 포착한다. 저자들은 이 서명을 기반으로 한 커널 함수를 정의하고, 모델 파라미터 θ에 대한 시뮬레이션 데이터 x_θ와 관측 데이터 x_obs 사이의 거리(스코어)를 추정한다. 중요한 점은 이 스코어가 무편향 추정량이라는 점이며, 따라서 의사‑마진얼(MCMC) 알고리즘에 그대로 삽입해 정확한 사후 분포를 샘플링할 수 있다는 것이다.

모델링 측면에서는 이산형 Wright‑Fisher 과정을 그대로 사용한다. 각 좌위는 두 알레일을 가정하고, ℓ개의 좌위가 결합된 2^ℓ개의 유전체형을 추적한다. 선택은 곱셈적 적합도 모델로 표현되며, 필요에 따라 음성 빈도 의존 선택(선택계수가 현재 빈도와 곱해지는 형태)도 구현한다. 재조합은 인접 좌위 사이의 확률 r_AB, r_BC 로 모델링되며, 시뮬레이션 단계는 (1) 적합도에 따른 기대 유전체형 빈도 계산, (2) 다항식 표본추출을 통한 유전적 표류 반영 순으로 진행된다.

알고리즘 구현에서는 먼저 파라미터 θ에 대한 사전분포를 Uniform