从单细胞转录组快照加速基因表达模型的贝叶斯推断

利用单细胞转录组快照理解生物系统中随机基因表达如何被调控，需要前沿的计算分析与统计推断方法。贝叶斯统计推断方法是从单细胞数据中进行模型选择与动力学参数不确定性量化的最完备方法。该方法不实用，因为当前数值算法太慢而难以处理典型的基因表达模型。为解决此问题，我们首先证明离散状态基因表达模型的时变 mRNA 分布是动态泊松混合，其混合核由分段确定马尔可夫过程刻画。我们将此解析结果与动力学蒙特卡洛算法结合，创建了一种混合数值方法，相较当前方法将时变 mRNA 分布计算加速 1000 倍。随后我们将该混合算法集成到已有蒙特卡洛采样器中，以在合理时间内估计许多不同竞争模型的贝叶斯后验分布。我们在多个合成数据集上验证了这一加速贝叶斯推断方法。我们的结果表明，若模型已知 \textit{a priori}，对于适度采样的数据库动力学参数可被合理约束。若模型未知，贝叶斯证据可用于严格量化相对于数据中其他模型的模型似然。我们证明贝叶斯证据能选出真实模型，并优于常用于模型选择的近似度量，例如贝叶斯信息准则（BIC）或赤池信息准则（AIC）。