Species Sensitivity Distribution revisited: a Bayesian nonparametric approach

技術要約：種感度分布の再考：ベイズ非パラメトリック・アプローチ

問題提起
生態学的リスク評価は、規制上の意思決定における重要な指標である、全種の5%を保護するための有害濃度（HC5）を推定するために、種感度分布（SSD）法に大きく依存している。現在の標準的な実務は、主に対数正規分布、対数ロジスティック分布、またはその他の固定された分布を臨界影響濃度（CEC）データに適合させるという、パラメトリックな仮定に支配されている。しかし、これらの手法には以下のような重大な限界がある：

1. モデルの硬直性： 単一のパラメトリック分布が、多様なデータセットに対して一様に優れた適合を示すことはなく、分布の選択は生物学的な実態よりも、数学的な便宜や恣意的な判断によって行われることが多い。
2. データの希少性： 毒性学的データセットはしばしば小規模であり（頻繁に $n < 15$）、検出限界以下の値などの打ち切りデータ（censored data）を含む。カーネル密度推定（KDE）やブートストラップ法のような非パラメトリックな代替手法は、信頼性を確保するために大規模なサンプルサイズを必要とする傾向があり、データが乏しい文脈には適さない。
3. 多峰性： 種の感受性は、分類、生息地、あるいは作用機序によって駆動される異質性（多峰性）を持つ場合がある。現在の規制ガイダンスでは、多峰性が疑われる場合にデータを破棄したり、最も敏感なグループのみを残したりすることで対処することが多いが、これは生態学的な変動を過度に単純化し、情報を無駄にする戦略である。
4. 不確実性の定量化： 頻度論的手法は、特に小規模なサンプルにおいて、原理的な不確実性の定量化に苦慮することが多く、また、成立しない可能性のある漸近的な保証に依存している。

手法
著者らは、固定されたパラメトリックな仮定を柔軟な混合モデルに置き換える、SSDのためのベイズ非パラメトリック（BNP）フレームワーク（BNP-SSD）を提案している。

• モデル構造： このアプローチは、対数変換された濃度に対する正規カーネルの混合を利用しており、その混合測度は正規化独立増分を持つ正規化ランダム測度（NRMI）によって制御される。具体的には、著者らは正規化安定過程（特定の種類のNRMI）を事前分布として採用している。これにより、混合成分（クラスター）の数を事前に固定するのではなく、データから推論することが可能になる。
• 階層的定式化： モデルは以下のように階層的に定義される：
  $$X_i | \theta_i \sim k(x | \theta_i), \quad \theta_i | \tilde{P} \sim \tilde{P}, \quad \tilde{P} \sim \text{NRMI}$$
  ここで、$\theta_i = (\mu_i, \sigma_i)$ は $i$ 番目の種の平均と標準偏差を表し、$\tilde{P}$ はランダム確率測度である。
• 打ち切りデータの取り扱い： このフレームワークは、階層構造内で尤度関数を適応させることで、左側、右側、および区間打ち切りデータを自然に取り込み、標準的なSSDの実務で見られるデータの損失や恣意的な補完を回避する。
• 推論と推定：
  • HC5の推定： HC5は、累積分布関数の事後分布の5パーセンタイルとして推定される。MCMCサンプリング（Rパッケージ BNPdensity を使用）を通じて完全な事後分布が生成され、HC5の確信区間が提供される。
  • クラスタリング： 恣意的なクラスタリングの代わりに、著者らはMCMC事後サンプルから最適なクラスタリング構造を導出するために、**情報変分（Variation of Information, VI）**損失関数を用いた決定論的アプローチを採用している。これにより、類似した感受性プロファイルを持つ種のグループを特定する。
  • 交差汚染物質分析： 複数の汚染物質間のパターンを探るため、179の汚染物質のクラスタリング結果から得られた関連行列に対して、**非負テンソル分解（PARAFAC）**を適用している。これにより、欠損値の補完と「感受性コミュニティ」の特定が可能となる。

主な貢献と結果
著者らは、シミュレーション研究およびRIVMデータベースからの実世界のデータセットの分析を通じて、BNP-SSDアプローチの妥当性を検証している。

1. シミュレーションにおける優位性：

   • 正規データ： データが対数正規分布に従う場合、BNP-SSDは標準的な正規SSDと同等の性能を示し、パラメトリックな仮定が成立する場合でも非パラメトリックなアプローチが効率性を損なわないことを実証した。
   • 非正規／多峰性データ： 裾が重い（t分布）または多峰性（正規混合分布）のシナリオにおいて、BNP-SSDは、HC5の平均絶対誤差（MAE）および密度推定の平均積分二乗誤差（MISE）の両方において、標準的な正規SSDおよび頻度論的なKDE-SSDを大幅に上回る性能を示した。
   • 小規模サンプルサイズ： KDEとは異なり、BNP-SSDはデータの複雑さに適応するため、データが乏しい場合にはより単純なモデルへと縮退し、過学習を回避する。

2. 頑健性と不確実性：

   • Leave-One-Out（LOO）交差検証は、BNP-SSDが競合手法と比較して頑健であり、過学習に対してはるかに耐性があることを示している。
   • 本手法はHC5の完全な事後分布を提供し、サンプリングの変動とモデルの不確実性の両方を考慮した、原理的な不確実性の定量化（確信区間）を提供する。

3. 実データへの適用：

   • （打ち切りおよび非打ち切りを含む）実世界の汚染物質データセットの分析により、単峰性データについては正規SSDと同等のHC5推定値を示す一方で、歪んだデータや多峰性データに対しては、大幅に乖離しつつも、より正確な結果を与えることが確認された。
   • 本手法は、情報の破棄なしに打ち切りデータを扱うことに成功しており、これは標準的なKDE実装には欠けている能力である。

4. クラスタリングによる生物学的洞察：

   • BNPモデルによって誘導されたクラスタリング構造は、種の感受性におけるパターンを明らかにした。特定の汚染物質（例：カルバリル）については、データ駆動型のクラスターが準分類学的グループ（例：甲殻類と魚類の分離）と一致しており、分類が感受性を駆動するという仮説を支持している。
   • しかし、交差汚染物質のテンソル分析は、分類学が唯一の要因ではないことを示唆している。感受性のパターンは汚染物質のタイプ（例：特定の農薬グループや無機化合物）とも相関しており、ある汚染物質に対して同様の反応を示す種は、他の汚染物質に対しても同様の反応を示す可能性があることを示している。

意義と主張
著者らは、BNP-SSDを、生態学的リスク評価のための統計的に頑健で柔軟かつ実用的な進歩として位置づけている。その主な意義は以下の通りである：

• 柔軟性とデータのトレードオフの解消： 伝統的なKDEが要求する大量のデータなしに、非パラメトリック手法の適応力を提供する。これは、生態毒性学に典型的な、小規模で打ち切りを含むデータセットに適している。
• 恣意的な仮定の排除： データから成分数を学習することで、実務者がパラメトリックな家族を恣意的に選択したり、単峰性の適合を強制するためにデータを破棄したりする必要をなくす。
• 規制上の有用性： 本手法は、原理的な不確実性の境界を持つ信頼できるHC5推定値を提供することで、規制当局にとっての「安全なツール」となる。著者らは、この方法論をエコトキシコロジー・コミュニティに普及させるために、Shinyアプリケーション（BNP-SSD）を提供している。
• 探索的能力： リスク評価を超えて、本手法は生物学的発見のためのツールとしても機能する。研究者は、あらかじめ設定された仮説なしに、種の感受性の潜在的な構造や毒性の駆動要因を探求することができる。

論文は、BNP-SSDが現在の標準よりも大幅な改善である一方で、今後の課題として、異なる汚染物質間の情報を活用するための依存型BNPモデルへの拡張や、より詳細なクラスタリングのための高次元の用量反応パラメータの組み込みに焦点を当てるべきであると結論付けている。