设定点病毒载量传播模型的贝叶斯推断
种群与进化
2018-11-28 v1
摘要
在建模 HIV 流行时,纳入设定点病毒载量及其遗传力十分重要。由于设定点病毒载量分布在不同流行间可能存在显著差异,必须考虑观测到的局部变异。这可以通过使用遗传力模型并将其拟合到局部设定点病毒载量分布来实现。然而,由于拟合过程需要考虑实际的传播动态(即社交网络、性行为),因此需要复杂模型。此外,为了在后续建模分析中利用估计值来指导预防政策,评估参数稳健性十分重要。为了在不显式刻画传播动态的情况下拟合设定点病毒载量模型,我们提出一种新方案。首先,我们从局部流行中收集序列推断出的系统发育树近似传播网络。其次,由于该传播网络仅构成传播网络空间的一个单一实例,而我们的目标是评估参数稳健性,我们推断传播网络分布。第三,我们使用近似贝叶斯推断在来自传播网络分布的多个样本上拟合所选设定点病毒载量模型的参数。我们的新方案使研究者能在局部背景下拟合设定点病毒载量模型,并诊断模型参数的不确定性。此类参数估计对于支撑后续建模分析至关重要,从而对改进预防政策具有关键意义。
引用
@article{arxiv.1811.11042,
title = {Bayesian inference of set-point viral load transmission models},
author = {Pieter Libin and Laurens Hernalsteen and Kristof Theys and Perpetua Gomes and Ana Abecasis and Ann Nowe},
journal= {arXiv preprint arXiv:1811.11042},
year = {2018}
}
备注
Accepted at BNAIC 2018 (Benelux AI conference)