[論文レビュー] Phase Transition in Distance-Based Phylogeny Reconstruction

Sébastien Roch|arXiv (Cornell University)|Aug 29, 2011

Genomics and Phylogenetic Studies参考文献 44被引用数 4

ひとこと要約

本稿では、短い枝長さ下で、O(log n) のシーケンス長要件を達成する、新しい距離ベースの系統樹再構築手法を提案する。これは、包括的（holistic）手法の最高水準のレートと一致する。平均化手順を用いることで、祖先配列を暗黙的に再構築し、従来の多項式バウンドを改善し、一般時間可逆モデルにおける段階転移行動を確立する。

ABSTRACT

We introduce a new distance-based phylogeny reconstruction technique which provably achieves, at sufficiently short branch lengths, a logarithmic sequence-length requirement---improving significantly over previous polynomial bounds for distance-based methods and matching existing results for general methods. The technique is based on an averaging procedure that implicitly reconstructs ancestral sequences. In the same token, we extend previous results on phase transitions in phylogeny reconstruction to general time-reversible models. More precisely, we show that in the so-called Kesten-Stigum zone (roughly, a region of the parameter space where ancestral sequences are well approximated by "linear combinations" of the observed sequences) sequences of length $O(\log n)$ suffice for reconstruction when branch lengths are discretized. Here $n$ is the number of extant species. Our results challenge, to some extent, the conventional wisdom that estimates of evolutionary distances alone carry significantly less information about phylogenies than full sequence datasets.

研究の動機と目的

• 距離ベースの系統樹再構築手法が、最大尤度などの包括的手法よりも本質的に遅い収束性を示すかどうかという、長年の問いに答えること。
• 有利な条件下で距離手法が最適な対数的シーケンス長要件を達成できることを示すことで、距離手法と包括的手法のギャップを埋めること。
• 従来の結果が特定のモデルに限定されていたのを補い、一般時間可逆マルコフモデルへの段階転移解析を拡張すること。
• シーケンス長が種の数に対して対数的にスケーリングする際、高次相関を捨てた距離行列でさえ、効率的かつ正確な再構築に十分な情報を保持できることを示すこと。

提案手法

• 距離推定値のノイズに強く、祖先配列を暗黙的に再構築する平均化手順に基づく、新しい距離ベースの再構築アルゴリズムを提案する。
• 逆遷移確率と経路長の重みを組み合わせた重み付き推定値を用いて、対間の進化的距離を推定する「DistortedMetric」ルーチンを導入する。
• 木の幾何構造と遷移確率から得られる重みを用いて、指数的平均化を子孫ペアに適用する修正された距離推定子 $\bar{\tau}(a,b)$ を採用する。
• 短い枝長さ下で、推定距離が真の値のまわりに集中することを保証するため、大偏差バウンドとモーメント不等式を用いる。
• 最終段階で複数の仮説検定戦略を用い、異なる距離推定値間の整合性を検証し、整合性のない構成を除外する。
• アルゴリズムを「目隠しチェリーピッキング」フレームワークと組み合わせ、階層的・再帰的に全系統樹を再構築する。

実験結果

リサーチクエスチョン

• RQ1 距離ベースの系統樹再構築は、包括的手法の最高水準のレートと一致する対数的シーケンス長要件を達成できるか？
• RQ2 高次相関を捨てた距離行列でさえ、正確な系統樹再構築に十分な情報を保持していると言えるか、その程度はいかほどか？
• RQ3 一般時間可逆マルコフモデルにおける距離手法の段階転移行動は何か、特にKesten-Stigum領域においては？
• RQ4 平均化による祖先配列再構築の使用は、距離手法の統計的効率を向上させるか？
• RQ5 現実的な進化モデルと短い枝長さ下で、距離手法の収束速度が最適であることを証明できるか？

主な発見

• 本手法は、枝長さが十分に短い場合、正しい系統樹再構築に $O(\log n)$ のシーケンス長要件を達成し、包括的手法の最高水準のレートと一致する。
• シーケンス長が $\kappa \log n$ を超える限り、任意の $\gamma > 0$ に対して、高確率 $1 - O(n^{-\gamma})$ で正しい系統樹を再構築可能である。
• 一般時間可逆モデルにおけるKesten-Stigum領域で段階転移行動が確立され、従来の特定モデルに限定された結果を拡張した。
• 平均化手順により、祖先配列が暗黙的に再構築され、より正確な距離推定と、対比較におけるノイズへの耐性向上が達成される。
• 距離推定値が整合的でかつ有界な歪み閾値内にある場合、DistortedMetricルーチンは正しい木間距離を高確率で特定する。
• 従来の見方である「距離手法は包括的手法に比べ本質的に情報が少ない」という見解に反し、適切な条件下では最適な収束レートを達成できることを示した。