[論文レビュー] Efficient Forward Simulation of Fisher-Wright Populations with Stochastic Population Size and Neutral Single Step Mutations in Haplotypes

Mikkel Meyer Andersen, Poul Svante Eriksen|arXiv (Cornell University)|Oct 5, 2012

Algorithms and Data Compression参考文献 8被引用数 5

ひとこと要約

本論文は、ハプロタイプにおける中立的単一ステップ変異と確率的変動する集団サイズを伴うフィッシャー＝ワイト集団の効率的な前向きシミュレーションアルゴリズムを提示する。ハプロタイプ中心のデータ構造とk-dツリーを活用することで計算を高速化する。この手法は、オープンソースのRパッケージfwsimとして実装されており、単純な個体ベースのシミュレーションに比べ最大6,848倍の高速化を達成し、特に法医学的遺伝学におけるY-STR系統マーカーに適した大規模集団の高速かつスケーラブルなシミュレーションを可能にする。

ABSTRACT

In both population genetics and forensic genetics it is important to know how haplotypes are distributed in a population. Simulation of population dynamics helps facilitating research on the distribution of haplotypes. In forensic genetics, the haplotypes can for example consist of lineage markers such as short tandem repeat loci on the Y chromosome (Y-STR). A dominating model for describing population dynamics is the simple, yet powerful, Fisher-Wright model. We describe an efficient algorithm for exact forward simulation of exact Fisher-Wright populations (and not approximative such as the coalescent model). The efficiency comes from convenient data structures by changing the traditional view from individuals to haplotypes. The algorithm is implemented in the open-source R package 'fwsim' and is able to simulate very large populations. We focus on a haploid model and assume stochastic population size with flexible growth specification, no selection, a neutral single step mutation process, and self-reproducing individuals. These assumptions make the algorithm ideal for studying lineage markers such as Y-STR.

研究の動機と目的

• コalescentベースのモデルの近似を避ける、フィッシャー＝ワイト集団の正確な前向きシミュレーション手法の開発。
• 確率的集団サイズとハプロタイプにおける中立的単一ステップ変異を伴う大規模集団の効率的シミュレーションの実現。
• ハプロタイプ分布ダイナミクスの正確なモデリングにより、法医学的遺伝学分野、特にY-STR系統マーカーに関する研究を支援。
• 個体からハプロタイプへの視点の転換により、最適化されたデータ構造を用いて計算およびメモリのオーバーヘッドを低減。
• スケーラブルでオープンソースのR実装（fwsim）を提供し、高性能な集団遺伝学的シミュレーションを実現。

提案手法

• アルゴリズムは個体系統の代わりにハプロタイプの個数を追跡することで、計算複雑度を低減する。
• 各世代にわたるハプロタイプ個数の伝播には多項分布サンプリング方式を用い、変異は各遺伝子座で中立的単一ステップ過程として適用する。
• ハプロタイプ状態の効率的管理とクエリ処理を可能にするために、k-dツリーのデータ構造を採用する。
• 集団サイズは柔軟な成長パラメータαに従い確率的に変動し、定数でない集団ダイナミクスを許容する。
• 初期集団サイズと遺伝子座数に制限を設けず、各遺伝子座に割り当てられた変異率を適用可能。
• 実装は、大規模シミュレーションにおけるパフォーマンスとメモリ効率を最適化したRパッケージfwsimに実装されている。

実験結果

リサーチクエスチョン

• RQ1 集団サイズが確率的で、変異が中立的単一ステップである場合、フィッシャー＝ワイト集団の正確な前向きシミュレーションをどのようにして計算的に効率化できるか？
• RQ2 前向きシミュレーションにおいて個体ではなくハプロタイプをモデル化することで、どの程度のパフォーマンス向上が達成できるか？
• RQ3 k-dツリーの使用が、集団遺伝学的シミュレーションのスケーラビリティにどの程度寄与するか？
• RQ4 fwsimパッケージの計算効率は、さまざまな集団サイズと変異率において、単純な個体ベースのシミュレーションと比べてどのように異なるか？
• RQ5 このアルゴリズムは、法医学的Y-STR解析に関連する複雑なダイナミクスを示す大規模集団を効果的にシミュレートできるか？

主な発見

• fwsimパッケージは、集団サイズ5,000、200世代、変異率0.001のシナリオにおいて、単純な個体ベース実装に比べ最大6,848倍の高速化を達成した。
• 集団サイズ5,000、変異率0.003、100世代のシナリオにおいて、fwsimは平均で単純実装のおよそ2,000倍速い。
• 遺伝子座数と世代数の増加に対しても、アルゴリズムは効率的にスケーリングされ、大規模シミュレーションでも計算時間はやや増加するにとどまる。
• 個体のゲノタイプではなくハプロタイプの個数を追跡することで、メモリ消費量が顕著に削減され、はるかに大規模な集団のシミュレーションが可能になった。
• 遺伝的ドリフトと変異ダイナミクスが正確に捉えられていることが、最初の2遺伝子座の連関表における初期(0,0)ハプロタイプ頻度からのわずかなずれから裏付けられた。
• パフォーマンスベンチマークに用いられた10回のシミュレーションの中央値計算時間から、実装の堅牢性と効率性が確認された。