[논문 리뷰] Non-bifurcating phylogenetic tree inference via the adaptive LASSO

Cheng Zhang, Vu Dinh외 1명|arXiv (Cornell University)|2018. 05. 28.

Genomics and Phylogenetic Studies참고 문헌 53인용 수 4

한 줄 요약

이 논문은 비분열형 계통수 추정을 위한 적응형 LASSO 기반 정규화 방법을 제안하며, 다형성과 샘플링된 조상 등을 나타내는 길이가 0인 분지 탐지가 가능하다. 분지 길이에 $β$-적응형 LASSO 페널티를 적용함으로써, 최상의 구조 일致성과 더불어 희박성 복구 및 계산 효율성에서 임계값 설정 및 비적응형 LASSO보다 뛰어난 성능을 달성한다.

ABSTRACT

Phylogenetic tree inference using deep DNA sequencing is reshaping our understanding of rapidly evolving systems, such as the within-host battle between viruses and the immune system. Densely sampled phylogenetic trees can contain special features, including <i>sampled ancestors</i> in which we sequence a genotype along with its direct descendants, and <i>polytomies</i> in which multiple descendants arise simultaneously. These features are apparent after identifying zero-length branches in the tree. However, current maximum-likelihood based approaches are not capable of revealing such zero-length branches. In this article, we find these zero-length branches by introducing adaptive-LASSO-type regularization estimators for the branch lengths of phylogenetic trees, deriving their properties, and showing regularization to be a practically useful approach for phylogenetics. Supplementary materials for this article are available online.

연구 동기 및 목표

• 현재 최대우도 방법이 계통수에서 다형성과 샘플링된 조상과 같은 길이가 0인 분지를 탐지하는 데에 한계가 있다는 문제를 해결한다.
• 분지 길이의 희박성을 유도함으로써 비분열형 구조를 식별할 수 있도록 페널티가 부여된 최대우도 프레임워크를 개발한다.
• 약한 규칙성 조건 하에서 적응형 계통수 LASSO의 이론적 일致성을 확립한다.
• 비볼록이고 비연속인 정규화 문제를 해결하기 위한 프록시멀 기울기 방법 기반의 계산적으로 효율적인 최적화 알고리즘을 제공한다.
• 합성 데이터 및 실제 데이터 실험에서 히وري스틱 임계값 설정 및 비적응형 LASSO보다 뛰어난 성능을 입증한다.

제안 방법

• 분지 길이에 대해 적응형 LASSO 페널티를 도입한 페널티 최대우도 추정 문제를 수립하여 희박성을 유도한다.
• 초기 분지 길이 계수 추정치의 역수 비례하는 가중치를 갖는 적응형 LASSO 페널티를 사용하여 변수 선택 성능을 향상시킨다.
• $β$-적응형 LASSO 설정에서 발생하는 비연속적이며 비볼록인 최적화 문제를 해결하기 위해 FISTA 스타일 가속을 적용한 프록시멀 기울기 하강법을 적용한다.
• 약한 규칙성 조건 하에서 적응형 계통수 LASSO의 이론적 일치성 결과를 유도하며, 이는 구조 일치성 포함된다.
• 기존 최대우도 계통수 추정 파이프라인과 통합하여 비분열형 구조의 탐지가 가능하도록 한다.
• 두 단계 절차를 구현한다: 먼저 페널티 최대우도를 통해 분지 길이를 추정하고, 그 다음 0으로 추정된 분지를 기반으로 다분열형 또는 샘플링된 조상 구조를 추론한다.

실험 결과

연구 질문

• RQ1 적응형 LASSO 정규화는 기존 방법보다 다형성과 샘플링된 조상과 같은 길이가 0인 분지를 계통수에서 더 효과적으로 탐지할 수 있는가?
• RQ2 약한 규칙성 조건 하에서 적응형 계통수 LASSO는 비분열형 나무 구조를 회복할 때 구조 일치성을 달성하는가?
• RQ3 희박성 복구 및 분지 탐지 정확도 측면에서 적응형 LASSO는 히وري스틱 임계값 설정 및 비적응형 LASSO보다 어떻게 비교되는가?
• RQ4 제안된 방법은 최대우도 추정과 유사한 계산 효율성을 확보하면서도 비분열형 나무 구조 탐지가 가능한가?
• RQ5 복잡한 나무 구조에서 진짜 길이가 0인 분지를 식별하는 데에 적응형 가중치가 LASSO 페널티에 미치는 영향은 무엇인가?

주요 결과

• 적응형 계통수 LASSO는 구조 일치성을 달성하여 다형성과 샘플링된 조상이 포함된 비분열형 나무 구조를 신뢰성 있게 탐지할 수 있다.
• 합성 실험에서 적응형 LASSO는 비적응형 LASSO보다 희박성 복구에서 뚜렷한 우월성을 보이며, 더 높은 정확도로 길이가 0인 분지를 정확히 식별한다.
• 다양한 임계값 설정 범위에서 히وري스틱 임계값 기반 접근보다 짧은 분지를 더 높은 민감도로 탐지한다.
• rjMCMC와 비교해 볼 때 적응형 LASSO는 더 높은 정밀도로 길이가 0인 분지를 식별하며, 계산적으로도 더 효율적이다.
• 다양한 서열 길이와 돌연변이율 조건에서도 일관된 성능을 유지하여 다양한 시뮬레이션 환경에서의 강인성을 입증한다.
• 길이가 0인 분지의 우도가 높은 경우에도 효과적으로 작동하며, 도전적인 나무 구조에서 비음수 제약 최대우도 최적화보다 뛰어난 성능을 보인다.