[논문 리뷰] Phase Transition in Distance-Based Phylogeny Reconstruction

Sébastien Roch|arXiv (Cornell University)|2011. 08. 29.

Genomics and Phylogenetic Studies참고 문헌 44인용 수 4

한 줄 요약

이 논문은 짧은 분기 길이 조건 하에서 O(log n)의 순서로 시퀀스 길이가 필요한 거리 기반 계통수리 재구성 방법을 제안한다. 이는 종합적 방법의 최고 성능과 동일한 비율을 달성하며, 일반적인 시간역행 마르코프 모델에서 단계 전이 행동을 규명한다. 평균화 절차를 통해 조상 시퀀스를 암묵적으로 재구성함으로써, 이전의 다항식 경계를 초월하고, 거리 기반 방법의 통계적 수렴 속도를 향상시킨다.

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.

연구 동기 및 목표

• 거리 기반 계통수리 방법이 최대우도와 같은 종합적 방법보다 본질적으로 느린 수렴 속도를 갖는다는 오랜 질문을 해결하기 위해.
• 유리한 조건 하에서 거리 기반 방법이 최적의 로그 순서 시퀀스 길이 요구 조건을 달성할 수 있음을 증명함으로써, 거리 기반 방법과 종합적 방법 간의 격차를 좁히기 위해.
• 이전 연구가 특정 모델에 국한된 바에 비해, 일반적인 시간역행 마르코프 모델으로 단계 전이 분석을 확장하기 위해.
• 시퀀스 길이가 종의 수와 함께 로그로 증가할 때, 고차원 상관관계를 제거한 거리 행렬이 여전히 효율적이고 정확한 재구성에 충분한 정보를 유지할 수 있음을 보여주기 위해.

제안 방법

• 거리 추정의 노이즈에 더 강건한 성능을 보이기 위해, 조상 시퀀스를 암묵적으로 재구성하는 평균화 절차를 기반으로 한 새로운 거리 기반 재구성 알고리즘을 제안한다.
• 역전이 확률과 경로 길이 가중치를 사용하여 쌍별 진화 거리의 가중 평균을 조합함으로써, 트리 간의 거리를 계산하는 DistortedMetric 루틴을 도입한다.
• 트리 기하학과 전이 확률에서 유도된 가중치를 사용해 후손 쌍에 대해 지수 평균을 적용하는 수정된 거리 추정자 $\bar{\tau}(a,b)$를 활용한다.
• 짧은 분기 길이 조건 하에서 추정된 거리가 진짜 값 주변으로 집중되도록 보장하기 위해, 대수분포 경계와 moments 부등식을 적용한다.
• 최종 단계에서 다중 검정 전략을 사용하여 서로 다른 거리 추정치 간의 일致성을 검증하고 일치하지 않는 구성 요소를 기각한다.
• 전체 계통수리를 계층적이고 재귀적인 방식으로 재구성하기 위해, 이 알고리즘을 블라인드폴드 체리 피킹 프레임워크와 결합한다.

실험 결과

연구 질문

• RQ1 거리 기반 계통수리 재구성 방법이 최대우도 방법의 최고 성능과 동일한 비율로 O(log n)의 시퀀스 길이 요구 조건을 달성할 수 있는가?
• RQ2 고차원 시퀀스 상관관계를 제거한 거리 행렬이 여전히 정확한 계통수리 재구성에 충분한 정보를 유지하는가?
• RQ3 일반적인 시간역행 마르코프 모델에서 거리 기반 방법의 단계 전이 행동은 어떻게 되는가? 특히 Kesten-Stigum 영역에서 어떻게 되는가?
• RQ4 평균화를 통한 조상 시퀀스 재구성 방법이 거리 기반 방법의 통계적 효율성을 향상시키는가?
• RQ5 실제 진화 모델과 짧은 분기 길이 조건 하에서 거리 기반 방법의 수렴 속도가 최적임을 증명할 수 있는가?

주요 결과

• 분기 길이가 충분히 짧을 경우, 제안된 방법은 정확한 계통수리 재구성을 위해 $O(\log n)$의 시퀀스 길이 요구 조건을 달성하며, 종합적 방법의 최고 성능과 동일한 비율을 보인다.
• 일부 $\kappa > 0$에 대해 시퀀스 길이가 $\kappa \log n$를 초과할 경우, 이 방법은 임의의 $\gamma > 0$에 대해 높은 확률 $1 - O(n^{-\gamma})$로 정확한 계통수리를 재구성할 수 있다.
• 이전 연구가 특정 모델에 국한된 바에 비해, 일반적인 시간역행 마르코프 모델에서 Kesten-Stigum 영역에서 단계 전이 행동이 규명되었다.
• 평균화 절차는 조상 시퀀스를 암묵적으로 재구성함으로써, 더 정확한 거리 추정과 쌍별 시퀀스 비교에서의 노이즈에 대한 강건성을 향상시킨다.
• 거리 추정치가 일관되고 제한된 왜곡 임계값 이내에 있을 경우, DistortedMetric 루틴은 정확한 트리 간 거리를 높은 확률로 식별할 수 있다.
• 기존의 거리 기반 방법이 종합적 방법보다 본질적으로 정보가 적다는 통념을 도전하며, 적절한 조건 하에서 최적의 수렴 속도를 달성할 수 있음을 보여준다.