[논문 리뷰] The Tajima heterochronous n-coalescent: inference from heterochronously sampled molecular data

Lorenzo Cappello, Amandine Véber외 1명|arXiv (Cornell University)|2020. 04. 14.

Protein Structure and Dynamics참고 문헌 50인용 수 5

한 줄 요약

이 논문은 이질적 시기 샘플링된 분자 데이터에서 효과적 인구 크기 궤적을 추론하기 위한 계산 효율성을 향상시킨 저해상도 공통 조상 모델인 Tajima 비동시 n-공통조상 모델을 제안한다. 개별 레이블이 아닌 샘플링 시간을 기반으로 조상 관계를 모델링함으로써 트리 공간 복잡도를 감소시키고 더 빠른 MCMC 추론을 가능하게 하여 고대 DNA 및 바이러스 유전체 시퀀스에서 기존 Kingman 공통조상 모델에 비해 확장성과 정확도 면에서 뛰어난 성능을 발휘한다.

ABSTRACT

The observed sequence variation at a locus informs about the evolutionary history of the sample and past population size dynamics. The Kingman coalescent is used in a generative model of molecular sequence variation to infer evolutionary parameters. However, it is well understood that inference under this model does not scale well with sample size. Here, we build on recent work based on a lower resolution coalescent process, the Tajima coalescent, to model longitudinal samples. While the Kingman coalescent models the ancestry of labeled individuals, the heterochronous Tajima coalescent models the ancestry of individuals labeled by their sampling time. We propose a new inference scheme for the reconstruction of effective population size trajectories based on this model with the potential to improve computational efficiency. Modeling of longitudinal samples is necessary for applications (e.g. ancient DNA and RNA from rapidly evolving pathogens like viruses) and statistically desirable (variance reduction and parameter identifiability). We propose an efficient algorithm to calculate the likelihood and employ a Bayesian nonparametric procedure to infer the population size trajectory. We provide a new MCMC sampler to explore the space of heterochronous Tajima's genealogies and model parameters. We compare our procedure with state-of-the-art methodologies in simulations and applications.

연구 동기 및 목표

• 대규모 샘플 분자 데이터 분석에서 Kingman n-공통조상 모델의 계산 불가능성 문제를 해결하기 위해.
• 이질적 시기 샘플링으로부터 인구 크기 궤적을 베이지안 추론할 때 확장성과 혼합 효율성을 향상시키기 위해.
• 상태공간 복잡도를 줄이면서도 핵심 진화 정보를 유지하는 저해상도 조상 과정을 개발하기 위해.
• 제한된 시기 해상도를 가진 고대 DNA 및 SARS-CoV-2와 같은 빠르게 진화하는 병원체에서 정확한 추론을 가능하게 하기 위해.
• 통계 정확도를 희생시키지 않은 채 Kingman 공통조상 모델의 계산 효율적인 대안을 제공하기 위해.

제안 방법

• 개별 레이블이 아닌 시간 포인트 간 공통조상 사건의 순서 기반으로 조상 관계를 모델링하는 뭉친 공통조상 과정인 Tajima 비동시 n-공통조상 모델을 제안한다.
• 시간 순서가 매겨진 트리 구조의 기수 감소를 활용하여 Tajima 공통조상 모델 하에서의 우도를 빠르게 계산하는 알고리즘을 유도한다.
• 효과적 인구 크기 궤적을 시간에 따라 모델링하기 위해 가우시안 프로세스를 사용하는 베이지안 비모수 프레임워크를 적용한다.
• 이질적 시기의 Tajima 유전적 계보와 모델 파라미터 공간을 효율적으로 탐색하는 새로운 MCMC 샘플러를 개발한다.
• 시뮬레이션 및 실데이터 연구에서 비교를 위해 순차적 몬테카를로 및 하미르톤 몬테카를로를 사용한다.
• 모델을 고대 인류 유전자 및 GISAID에서 확보한 SARS-CoV-2 게놈 데이터에 적용하여 실제 데이터 세트에서의 성능을 검증한다.

실험 결과

연구 질문

• RQ1 Tajima n-공통조상과 같은 저해상도 공통조상 모델이 이질적 시기 샘플링 데이터에서 인구 크기 추론의 계산 확장성에 기여할 수 있는가?
• RQ2 개별 신체가 아닌 샘플링 시간을 기반으로 조상 관계를 모델링할 경우 MCMC 추론에서 혼합 효율성과 수렴 속도가 향상되는가?
• RQ3 Tajima 비동시 n-공통조상 모델은 Kingman n-공통조상 모델 및 GMRF와 같은 최첨단 방법에 비해 효과적 인구 크기 궤적 추정에서 어떤 성능을 보이는가?
• RQ4 이 모델은 고대 및 현대 유전체 데이터로부터 알려진 민족 이주나 바이러스 유행과 같은 인구 역학적 사건을 어느 정도 정확하게 복원할 수 있는가?
• RQ5 SARS-CoV-2 시퀀스에서 시기 집중 및 제한된 시기 해상도를 가진 실세계 데이터(예: 프랑스 및 독일에서의 데이터)를 처리할 수 있는가?

주요 결과

• 모델은 고대 인류 인구의 효과적 인구 크기 궤적을 성공적으로 복원하였으며, 약 26.5–19 kya경에 시작되는 감소 추세를 보였고, 이는 알려진 인구 역학적 사건과 일치한다.
• SARS-CoV-2 데이터의 경우, 12월 2019년부터 2월 말 2020년까지의 지수적 증가를 추정하였고, 약 2월 29일에 정점에 도달한 후 감소 추세를 보였다. 이는 전염병 역학과 일치한다.
• 프랑스 데이터셋에서의 효과적 인구 크기 후보 분포 중앙값 추정치는 GMRF 결과와 강한 일치를 보였으며, 둘 다 유사한 증가 및 감소 패턴을 탐지하였다.
• 독일 데이터셋은 거의 일정한 인구 크기 추정치를 보였는데, 이는 2020년 3월에 시간적·공간적 샘플링 집중으로 인한 것으로 보이며, 모델은 이를 정확히 반영하였다.
• 제안된 MCMC 샘플러는 특히 고차원 트리 공간에서 Kingman 공통조상 기반 방법에 비해 혼합 효율성과 수렴 속도가 향상됨을 보였다.
• 시간 순서가 매겨진 트리 구조의 기수 감소 덕분에 Tajima 모델 하에서의 우도 계산 속도가 크게 향상되어 더 큰 데이터셋에 대한 확장성이 가능해졌다.