利用线性噪声近似将随机流行病模型拟合到基因家系

系统发育动力学是一组群体遗传学工具，旨在基于从目标群体抽样的个体分子序列重建该群体的人口历史。系统发育动力学的一项重要任务是估计（有效）群体大小的变化。当应用于传染病序列时，此类群体大小轨迹的估计可提供感染数变化的信息。为建模感染个体数的变化，当前的系统发育动力学方法使用非参数方法、参数方法以及结合无似然贝叶斯方法的随机建模。第一类方法得出的结果在流行病学上难以解释。第二类方法提供了重要流行病学参数（如感染率和移除/恢复率）的估计，但忽略了传染病传播动态中的变异。第三类方法在统计上最具优势，但依赖计算密集的粒子滤波技术，限制了其应用。我们提出一种结合系统发育动力学推断与随机流行病模型的贝叶斯模型，并通过使用线性噪声近似（LNA）——一种允许我们近似随机流行病模型轨迹概率密度的技术——实现计算上的易处理性。LNA 为使用现代马尔可夫链蒙特卡罗工具来近似疾病传播参数与描述随机流行病模型区室大小（如感染者和易感者数量）未观测变化的高维向量的联合后验分布打开了大门。我们将估计技术应用于利用 2014 年塞拉利昂和利比里亚疫情期间病毒遗传数据估计的 Ebola 家系。