[论文解读] Mathematical Framework for Phylogenetic Birth-And-Death Models

Miklós Csürös, István Miklós|ArXiv.org|Feb 5, 2009

Genomics and Phylogenetic Studies参考文献 6被引用 4

一句话总结

本文提出了一套全面的数学框架，用于系统发育的出生-死亡模型，实现了基因家族大小及谱系特异性进化事件（增益、丢失、扩张、收缩）的似然计算与后验推断。该研究提出一种递归算法，用于计算增益-丢失-复制模型中的转移概率，给出了瞬态分布的精确公式，并通过生存似然框架对零谱系进行校正，显著提升了基因家族进化分析的准确性。

ABSTRACT

A phylogenetic birth-and-death model is a probabilistic graphical model for a so-called phylogenetic profile, i.e., the size distribution for a homolog gene family at the terminal nodes of a phylogeny. Profile datasets are used in bioinformatics analyses for the inference of evolutionary trees, and of functional associations between gene families, as well as for the quantification of various processes guiding genome evolution. Here we describe the mathematical formalism for phylogenetic birth-and-death models. We also present an algorithm for computing the likelihood in a gain-loss-duplication model.

研究动机与目标

• 形式化根系谱树上基因家族大小演化的系统发育出生-死亡模型的数学结构。
• 开发一种高效算法，用于在一般增益-丢失-复制过程中计算观测到的系统发育谱系的似然。
• 基于观测到的末端计数，实现对祖先基因家族大小及谱系特异性进化事件（增益、丢失、扩张、收缩）的后验推断。
• 通过生存似然框架对似然估计中零谱系的代表性不足进行校正。

提出的方法

• 该模型使用带有边特异性速率的根系谱树，包括丢失（μ）、复制（λ）和增益（κ）速率，通过线性出生-死亡过程建模种群大小演化。
• 边上的转移概率使用表1中已知的瞬态分布计算，包括负二项分布、泊松分布、平移几何分布和伯努利形式。
• 通过结合截断子树上的生存似然和条件概率，采用递归算法计算谱系的似然。
• 似然通过公式 $ L_1 = \frac{L}{1 - p_0} $ 进行零谱系校正，其中 $ p_0 $ 反映了预期的全零谱系缺失数量。
• 通过条件生存似然和对未观测到的内部节点的边缘化，推导祖先家族大小的后验概率。
• 将系统发育树分解为三部分（祖先分支、后代分支和侧向分支）可实现节点对联合概率的精确计算。

实验结果

研究问题

• RQ1 在具有任意边速率和根分布的一般增益-丢失-复制模型下，如何高效计算系统发育谱系的似然？
• RQ2 在存在增益、复制和丢失的情况下，线性出生-死亡过程的瞬态分布的确切数学形式是什么？
• RQ3 当内部节点状态未被观测到时，如何计算祖先基因家族大小的后验概率？
• RQ4 如何对谱系特异性进化事件（增益、丢失、扩张、收缩）进行推断，并对缺失的零谱系进行恰当校正？
• RQ5 未观测到的祖先状态对进化动态估计的影响是什么，如何进行校正？

主要发现

• 本文推导出在四种模型变体（GLD、GL、DL、PL）下线性出生-死亡过程的瞬态分布的精确解析表达式，实现了精确的似然计算。
• 提出一种递归算法用于计算谱系的似然，其时间复杂度取决于节点数量和最大观测到的家族大小。
• 似然校正公式 $ L_1 = \frac{L}{1 - p_0} $ 考虑了预期的缺失零谱系数量，提升了估计的准确性。
• 通过生存似然和条件分布计算祖先基因家族大小的后验概率，并为每个节点的家族平均数量提供了显式公式。
• 通过分解系统发育树并计算节点对的联合概率，该方法可实现对谱系特异性事件（如增益、丢失、扩张、收缩）的推断。
• 该框架支持对内部节点基因内容的后验推断，并通过边缘化和生存似然提供了一种系统处理未观测祖先状态的合理方法。