[論文レビュー] Efficient Bayesian species tree inference under the multi-species coalescent

Bruce Rannala, Ziheng Yang|arXiv (Cornell University)|Dec 11, 2015

Genetic diversity and population structure参考文献 29被引用数 12

ひとこと要約

本稿では、マルチスプライスコalescentモデル下での系統樹推定に向けた効率的なベイズ的手法を提示する。新規のMCMC提案手法（SPRおよびノードスライダー）を用いて、系統樹と遺伝子樹を同時に更新することで混合性能を向上させる。この手法は高い正確性と再現性を達成し、10個の遺伝子座を用いた解析では、未観測の遺伝子樹の不確実性を完全に統合することにより、正しい系統樹をほぼ確実に回復する。

ABSTRACT

A method was developed for Bayesian inference of species phylogeny using the multi-species coalescent model. To improve the mixing properties of the Markov chain Monte Carlo (MCMC) algorithm that traverses the space of species trees, we implement two efficient MCMC proposals: the first is based on the Subtree Pruning and Regrafting (SPR) algorithm and the second is based on a novel node-slider algorithm. Like the Nearest-Neighbor Interchange (NNI) algorithm we implemented previously, both algorithms propose changes to the species tree, while simultaneously altering the gene trees at multiple genetic loci to automatically avoid conflicts with the newly-proposed species tree. The method integrates over gene trees, naturally taking account of the uncertainty of gene tree topology and branch lengths given the sequence data. A simulation study was performed to examine the statistical properties of the new method. We found that it has excellent statistical performance, inferring the correct species tree with near certainty when analyzing 10 loci. The prior on species trees has some impact, particularly for small numbers of loci. An empirical dataset (for rattlesnakes) was reanalyzed. While the 18 nuclear loci and one mitochondrial locus support largely consistent species trees under the multi-species coalescent model estimates of parameters suggest drastically different evolutionary dynamics between the nuclear and mitochondrial loci.

研究の動機と目的

• マルチスプライスコalescentモデル下での系統樹推定におけるMCMC混合性能の悪さを改善するため、系統樹と遺伝子樹を同時に効率的に更新する手法を開発すること。
• 未観測の遺伝子樹の系統的構造と分岐長を統合することで、系統樹推定の統計的正確性と再現性を向上させること。
• 系統樹の不確実性を無視し、偏った推定を引き起こす、連結法および遺伝子樹要約法の限界を克服すること。
• 特にIncomplete Lineage Sortingが顕著な状況においても、多遺伝子配列データから信頼性の高い系統樹を推定できるようにすること。
• 複数の遺伝子座と種を含む現実的なデータセットにスケーリング可能な計算的に実行可能なベイズ枠組みを提供すること。

提案手法

• 本手法は、マルチスプライスコalescentモデル下で、系統樹、遺伝子樹、集団パラメータを同時に推定するベイズフレームワークとMCMCを採用する。
• 2つの新規MCMC提案手法として、Subtree Pruning and Rerouting (SPR) およびノードスライダー法を導入し、系統樹のトポロジーと遺伝子樹の構成を同時に更新することを目的としている。
• SPRおよびノードスライダーの提案手法は、コアレスセント制約を尊重しており、遺伝子樹の分岐時刻が系統樹の分岐時刻と整合的であることを保証する。
• 遺伝子樹は解析的に統合されており、推定された遺伝子樹に条件づける必要がなく、遺伝子樹の系統的構造と分岐長の不確実性を適切に反映している。
• Jukes-Cantor置換モデルを用い、分子時計仮定を適用しているが、著者らは遠く離れた種に対しては限界があると指摘している。
• 本手法はBPPソフトウェア（バージョン3.2）に実装されており、多遺伝子配列データから系統樹を完全尤度推定可能である。

実験結果

リサーチクエスチョン

• RQ1 マルチスプライスコalescentモデル下で、系統樹と遺伝子樹を同時に更新する効率的なMCMC提案手法を開発できるか？ これにより混合性能と収束性が向上するか？
• RQ2 推定された遺伝子樹に依存する手法と比較して、未観測の遺伝子樹トポロジーと分岐長を完全に統合することで、系統樹推定の正確性と再現性にどのような影響を与えるか？
• RQ3 異なる数の遺伝子座と系統樹構造の条件下で、真の系統樹を回復する際の本手法の統計的性能はいかがなものか？
• RQ4 核内遺伝子座とミトコンドリア遺伝子座の間で、変異率や集団サイズの違いが、マルチスプライスコalescentモデル下での系統樹推定にどのように影響するか？
• RQ5 実世界のデータにおいて、核内遺伝子座とミトコンドリア遺伝子座の間で信号が矛盾する場合、単なる変異率や集団サイズの違いでは説明できない生物学的要因（例：選択圧、人口動態の非均一性）が関与している可能性はどの程度か？

主な発見

• 10遺伝子座を用いた解析では、高い後確率と信頼区間の高いカバー率を示し、真の系統樹がほぼ確実に回復された。
• 系統樹推定の信頼区間が小さく、テスト条件下でのパrameter推定の再現性が非常に高いことが示された。
• 系統樹の事前分布が推定に顕著な影響を及ぼしており、特に遺伝子座数が少ない場合には事前分布の指定に敏感であることが明らかになった。
• ラバーバンスナクのデータセットでは、ミトコンドリア遺伝子座と核遺伝子座の進化的ダイナミクスが不一致を示した：ミトコンドリアの分岐時刻（τ）と集団サイズパラメータ（θ）は、核遺伝子座のそれらと比例していないことから、単純な中立モデルからの逸脱が示唆された。
• ミトコンドリア遺伝子座の変異率がはるかに高く、核遺伝子座と併せて解析する際には、その信号が支配的になり、系統樹推定にバイアスをもたらす可能性がある。
• 核遺伝子座とミトコンドリア遺伝子座の不一致は、変異率や集団サイズの違いだけでは完全に説明できないため、選択圧や人口動態の非均一性などの生物学的複雑性が関与している可能性がある。