[논문 리뷰] Calibrated Tree Priors for Relaxed Phylogenetics and Divergence Time Estimation

Joseph Heled, Alexei J. Drummond|arXiv (Cornell University)|2011. 03. 29.

Evolution and Paleontology Studies인용 수 24

한 줄 요약

이 논문은 베이지안 이완형 계통수 분석을 위한 새로운 校정된 Yule 사전분포를 제안하며, 이는 校정된 분화 시점의 주변 사전분포를 직접 지정함으로써 기존의 소프트 校정 방법에서 발생하는 일관성 문제를 해결한다. 표준적인 校정 밀도가 BEAST와 같은 소프트웨어에서 진정한 주변 사전분포를 나타내지 못함을 보이며, 조건부 Yule 사전분포를 사용한 수학적으로 엄밀한 대안을 제안한다. 다만 다중 校정으로의 실용적 확장은 아직 도전 과제이다.

ABSTRACT

The use of fossil evidence to calibrate divergence time estimation has a long history. More recently Bayesian MCMC has become the dominant method of divergence time estimation and fossil evidence has been re-interpreted as the specification of prior distributions on the divergence times of calibration nodes. These so-called "soft calibrations" have become widely used but the statistical properties of calibrated tree priors in a Bayesian setting has not been carefully investigated. Here we clarify that calibration densities, such as those defined in BEAST 1.5, do not represent the marginal prior distribution of the calibration node. We illustrate this with a number of analytical results on small trees. We also describe an alternative construction for a calibrated Yule prior on trees that allows direct specification of the marginal prior distribution of the calibrated divergence time, with or without the restriction of monophyly. This method requires the computation of the Yule prior conditional on the height of the divergence being calibrated. Unfortunately, a practical solution for multiple calibrations remains elusive. Our results suggest that direct estimation of the prior induced by specifying multiple calibration densities should be a prerequisite of any divergence time dating analysis.

연구 동기 및 목표

• 표준 소프트 校정 사전분포와 분화 시점의 진정한 주변 사전분포 사이의 통계적 일관성 문제를 명확히 하기 위해.
• Yule 트리 모델에서 校정된 노드 높이의 주변 사전분포를 직접 지정할 수 있는 방법을 개발하기 위해.
• 校정된 노드의 높이에 조건부로 Yule 사전분포를 계산하여 적절한 校정을 보장하기 위해.
• 다중 校정을 사용할 경우 사전분포를 명시적으로 계산할 필요성을 부각시키기 위해.
• 이완형 계통수 분석에서 더 정확하고 통계적으로 타당한 분화 시점 추정을 위한 기반을 마련하기 위해.

제안 방법

• Yule 과정 하에서 校정된 노드의 분화 시점 주변 사전분포를 유도하여, 기존 방법에서의 오해를 바로잡는다.
• 알려진 校정 노드의 높이에 조건부로 Yule 사전분포를 설정하여 校정된 Yule 사전분포를 구성한다.
• 작은 트리에 대해 해석적 해를 사용하여 표준 校정 밀도가 의도한 주변 사전분포를 도출하지 못함을 보여준다.
• 모노필리 조건부가 있거나 없거나의 상황에서, 직접적으로 校정된 분화 시점의 사전분포를 지정하는 프레임워크를 제시한다.
• 작은 트리 구조에 적용하여 의도한 사전분포와 실제 사전분포 사이의 격리 현상을 설명한다.
• Yule 과정 하에서의 공동 조건부 분포의 복잡성으로 인해, 다중 校정으로의 확장을 위한 계산적 과제를 규명한다.

실험 결과

연구 질문

• RQ1 BEAST와 같은 소프트웨어에서 사용되는 표준 소프트 校정 사전분포가 校정된 분화 시점의 주변 사전분포를 올바르게 표현하는가?
• RQ2 Yule 과정 하에서 校정된 노드의 분화 시점에 대한 진정한 주변 사전분포는 무엇인가?
• RQ3 Yule 사전분포를 노드의 높이에 조건부로 설정함으로써, 校정된 노드 높이의 주변 사전분포를 명시적으로 지정할 수 있는 校정된 Yule 사전분포를 구성할 수 있는가?
• RQ4 모노필리 조건부의 포함이 校정된 분화 시점의 사전분포에 어떤 영향을 미치는가?
• RQ5 공동 사전분포를 계산하지 않고 다중 校정 밀도를 사용할 경우 통계적 함의는 무엇인가?

주요 결과

• BEAST 1.5에서 사용되는 표준 校정 밀도는 校정된 노드의 분화 시점 주변 사전분포를 나타내지 않는다.
• 작은 트리에 대한 해석적 결과는 소프트 校정에 의해 유도되는 실제 주변 사전분포가 의도한 분포와 다름을 보여준다.
• Yule 사전분포를 노드의 높이에 조건부로 설정함으로써, 校정된 노드 높이의 주변 사전분포를 정확히 지정하는 방법을 제공한다.
• 이 방법은 모노필리 조건부가 있거나 없거나의 상황에서 분화 시점의 사전분포를 직접 지정할 수 있도록 한다.
• 이 접근법은 다중 校정 밀도에 의해 유도되는 사전분포는 분 析 전에 반드시 명시적으로 계산되어야 통계적 타당성이 확보됨을 드러낸다.
• Yule 과정 하에서의 공동 조건부 분포 계산의 복잡성으로 인해, 다중 校정으로의 실용적 해결책은 아직 해결되지 않은 과제이다.