[논문 리뷰] Efficient Bayesian species tree inference under the multi-species coalescent

Bruce Rannala, Ziheng Yang|arXiv (Cornell University)|2015. 12. 11.

Genetic diversity and population structure참고 문헌 29인용 수 12

한 줄 요약

이 논문은 다종 분화 공생 모델 하에서 종 계통수 추정을 위한 효율적인 베이지안 방법을 제시한다. 새로운 MCMC 제안 방식인 SPR 및 노드 슬라이더를 사용하여 종 계통수와 유전자 계통수를 동시에 업데이트함으로써 혼합 성능을 향상시켰다. 이 방법은 높은 정확도와 정밀도를 달성하여 10개의 유전자 위치를 분석할 경우 참 종 계통수를 거의 확실하게 복원한다. 이 과정에서 미관측된 유전자 계통수를 전체적으로 통합하여 유전자 계통수의 불확실성을 반영한다.

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.

연구 동기 및 목표

• 다종 분화 공생 모델 하에서 종 계통수 추정 시 MCMC 혼합 성능이 열악한 문제를 해결하기 위해 종 계통수와 유전자 계통수를 동시에 업데이트할 수 있는 효율적인 방법을 개발한다.
• 추정된 유전자 계통수를 조건으로 삼지 않고도 유전자 계통수의 분지 구조와 지속시간을 전체적으로 통합함으로써 종 계통수 추정의 통계적 정확도와 정밀도를 향상시킨다.
• 유전자 계통수의 불확실성을 忽시하고 오차가 발생하는 연결 및 유전자 계통수 요약 방법의 한계를 극복한다.
• 특히 불완전한 선형 분화가 발생하는 경우에도 다유전자 서열 데이터로부터 신뢰할 수 있는 종 계통수 추정을 가능하게 한다.
• 여러 유전자 위치와 종을 포함하는 실제 데이터셋에 적용 가능한 계산적으로 실현 가능한 베이지안 프레임워크를 제공한다.

제안 방법

• 논문은 다종 분화 공생 모델 하에서 종 계통수, 유전자 계통수, 인구 파라미터를 함께 추정하기 위해 베이지안 프레임워크와 마르코프 체인 몬테카를로(MCMC)를 사용한다.
• 두 가지 새로운 MCMC 제안 방식이 도입되었으며, 각각 하위트리 잘라내기 및 재결합(SPR)과 노드 슬라이더 알고리즘으로, 종 계통수의 구조와 유전자 계통수의 구성 요소를 동시에 업데이트하도록 설계되었다.
• SPR 및 노드 슬라이더 제안 방식은 공생 제약 조건을 준수하여, 유전자 계통수의 공생 시간이 종의 분화 시간과 일치하도록 보장한다.
• 유전자 계통수를 분석적으로 통합함으로써 추정된 유전자 계통수를 조건으로 삼을 필요 없이, 유전자 계통수의 분지 구조와 지속시간의 불확실성을 반영한다.
• 점자-칸토르 치환 모델을 사용하였으며, 분자 시계 가정을 적용하였지만 저자들은 먼 친연 관계를 가진 종에 대해서는 이의 한계를 지적한다.
• 이 방법은 BPP 소프트웨어(버전 3.2)에 구현되어 있으며, 다유전자 서열 데이터로부터 종 계통수의 전체 우도 추정을 가능하게 한다.

실험 결과

연구 질문

• RQ1 다종 분화 공생 모델 하에서 종 계통수와 유전자 계통수를 동시에 업데이트할 수 있는 효율적인 MCMC 제안 방식을 개발할 수 있는가? 이는 혼합 성능 향상과 수렴 개선에 기여하는가?
• RQ2 추정된 유전자 계통수를 사용하는 방법과는 대비하여, 유전자 계통수를 전체적으로 통합할 경우 종 계통수 추정의 정확도와 정밀도는 어떻게 영향을 받는가?
• RQ3 다양한 수의 유전자 위치와 종 계통수 구성 조건에서, 이 방법이 참 종 계통수를 얼마나 잘 복원하는가?
• RQ4 핵 및 미토콘드리아 유전자 위치 간의 돌연변이 속도와 인구 크기의 차이가 다종 분화 공생 모델 하에서 종 계통수 추정에 어떤 영향을 미치는가?
• RQ5 실제 데이터에서 핵과 미토콘드리아 유전자 위치 간의 모순 신호는 단순한 돌연변이 속도 및 인구 크기의 차이를 초월하여 생물학적 과정을 반영하는가?

주요 결과

• 10개의 유전자 위치를 분석할 경우, 높은 사후 확률과 신뢰도 집합의 높은 커버리지로 인해 참 종 계통수를 거의 확실하게 복원하는 높은 정확도를 달성한다.
• 종 계통수 추정의 신뢰도 집합이 작아, 테스트 조건 하에서 파rameter 추정의 높은 정밀도를 나타낸다.
• 종 계통수에 대한 사전분포가 추정에 상당한 영향을 미치며, 특히 유전자 위치 수가 적을 경우 사전 분포의 설정 민감도가 두드러진다.
• 뱀파리 뱀 데이터셋에서 미토콘드리아 및 핵 유전자 위치는 일관되지 않은 진화 역학을 보였다: 미토콘드리아 유전자 위치의 분화 시간(τ)과 인구 크기 파라미터(θ)는 핵 유전자 위치의 값과 비례하지 않아 단순한 중립 모델에서 벗어나는 것으로 나타났다.
• 미토콘드리아 유전자 위치는 훨씬 높은 돌연변이 속도를 가지며, 핵 및 미토콘드리아 유전자 위치를 함께 분석할 경우 이에 의해 신호가 지배받을 수 있어 종 계통수 추정에 편향을 줄 수 있다.
• 핵 및 미토콘드리아 유전자 위치 간의 불일치는 돌연변이 속도나 인구 크기의 차이로만 완전히 설명되지 않으며, 선택 또는 민족적 이질성과 같은 생물학적 복잡성의 가능성을 시사한다.