[논문 리뷰] How many evolutionary histories only increase fitness

Julien Berestycki, Éric Brunet-Gouet외 1명|arXiv (Cornell University)|2013. 03. 31.

Evolution and Genetic Dynamics참고 문헌 1인용 수 3

한 줄 요약

이 논문은 랜덤한 적합도 값을 가진 초입방에서 (0,0,…,0)에서 (1,1,…,1)으로 향하는 증가 경로의 수를 연구하며, 루트 값이 x = X/L로 스케일링될 때, 정규화된 경로 수 Θ/L이 L → ∞일 때 e^{-X}와 두 개의 독립적인 지수분포 랜덤 변수의 곱으로 수렴함을 보여준다. 분석은 기본 결과를 도출하기 위해 나무 모델의 유사체로 시작된다.

ABSTRACT

Motivated by an evolutionary biology question, we study the following problem: we consider the hypercube $\{0,1\}^L$ where each node carries an independent random variable uniformly distributed on $[0,1]$, except $(1,1,\ldots,1)$ which carries the value $1$ and $(0,0,\ldots,0)$ which carries the value $x\in[0,1]$. We study the number $\Theta$ of paths from vertex $(0,0,\ldots,0)$ to the opposite vertex $(1,1,\ldots,1)$ along which the values on the nodes form an increasing sequence. We show that if the value on $(0,0,\ldots,0)$ is set to $x=X/L$ then $\Theta/L$ converges in law as $L o\infty$ to $\mathrm{e}^{-X}$ times the product of two standard independent exponential variables. As a first step in the analysis, we study the same question when the graph is that of a tree where the root has arity $L$, each node at level 1 has arity $L-1$, \ldots, and the nodes at level $L-1$ have only one offspring which are the leaves of the tree (all the leaves are assigned the value 1, the root the value $x\in[0,1]$).

연구 동기 및 목표

• 랜덤한 적합도 환경을 초입방 모델로 묘사한 상황에서, 적합도가 증가하는 진화 경로의 수를 이해하는 것.
• 모든 노드가 0인 정점에서 모든 노드가 1인 정점으로 향하는 증가 경로의 분포를, 경계 조건이 있는 i.i.d. 랜덤 적합도 값 하에서 분석하는 것.
• 차원 L이 매우 클 때, 이러한 증가 경로의 수를 정규화한 것의 극한 분포를 확립하는 것.
• 초입방으로의 확장 이전에 핵심 통찰을 도출하기 위해 단순화된 프록시로 나무 모델을 사용하는 것.

제안 방법

• 모든 노드에 대해 i.i.d. 균일 [0,1] 적합도 값을 할당하되, 모두 0인 정점과 모두 1인 정점은 제외한다.
• 루트 (0,0,…,0)에 값을 x ∈ [0,1] 할당하고, 반대 정점 (1,1,…,1)에 값을 1로 할당한다.
• 이 적합도 모델 하에서, 루트에서 반대 정점으로 향하는 단조증가 경로의 수 Θ를 분석한다.
• 초입방을 위한 분석의 초보 단계로, 각 수준에서 계수의 감소가 있는 나무 구조를 사용하여 접근 가능하게 한다.
• 극값 이론과 포아송 수렴 기법을 적용하여, L → ∞일 때 Θ의 극한 행동을 연구한다.
• 루트 값의 스케일링을 x = X/L로 하고, Θ/L의 약한 극한을 지수분포 변수의 표현으로 유도한다.

실험 결과

연구 질문

• RQ1 차원 L → ∞일 때, 랜덤 적합도 초입방에서 (0,0,…,0)에서 (1,1,…,1)으로 향하는 증가 경로의 수의 점근적 분포는 무엇인가요?
• RQ2 고정된 X에 대해 기원의 적합도가 X/L로 스케일링될 경우, 이러한 경로의 수는 어떻게 행동하는가요?
• RQ3 루트 값이 X/L로 설정되고 L → ∞일 때, Θ/L의 극한 분포는 무엇인가요?
• RQ4 나무 모델은 초입방을 얼마나 잘 근사하여 경로 수 분포를 포괄하는가요?
• RQ5 극값 통계와 포아송 수렴은 극한 경로 수를 기술하는 데 어떤 역할을 하는가요?

주요 결과

• 정규화된 증가 경로 수 Θ/L은 L → ∞일 때, e^{-X}와 두 개의 독립적인 표준 지수분포 랜덤 변수의 곱으로 수렴한다.
• 극한 분포는 비퇴화적이며, 스케일된 루트 값 X에 대해 명시적으로 의존한다.
• 나무 모델은 접근 가능한 시작점이며, 동일한 극한 행동이 초입방 모델에서도 나타난다.
• 수렴은 법칙에 따라 일어나며, 랜덤 적합도 값의 특정 실현에 관계없이 보편적인 극한 형태임을 나타낸다.
• 결과는 고차원 극한에서 랜덤 적합도 환경과 지수분포 변수의 곱 사이에 깊은 연결 고리가 있음을 드러낸다.