[论文解读] A fast method to estimate speciation parameters in a model of isolation with an initial period of gene flow and to test alternative evolutionary scenarios

Hilde Wilkinson‐Herbots|arXiv (Cornell University)|Nov 17, 2015

Genetic diversity and population structure参考文献 18被引用 6

一句话总结

本文提出了一种快速的最大似然方法，用于使用成千上万个位点的成对DNA序列差异，估计隔离-初始迁移（IIM）模型中的物种形成参数。通过利用Wilkinson-Herbots（2012）的解析似然表达式，该方法实现了快速参数估计——在10,000个位点数据下耗时不足一分钟——并可借助AIC或似然比检验高效比较模型，为推断具有短暂基因流的物种形成提供了一种稳健的替代方案，优于传统的IM模型。

ABSTRACT

We consider a model of "isolation with an initial period of migration" (IIM), where an ancestral population instantaneously split into two descendant populations which exchanged migrants symmetrically at a constant rate for a period of time but which are now completely isolated from each other. A method of Maximum Likelihood estimation of the parameters of the model is implemented, for data consisting of the number of nucleotide differences between two DNA sequences at each of a large number of independent loci, using the explicit analytical expressions for the likelihood obtained in Wilkinson-Herbots (2012). The method is demonstrated on a large set of DNA sequence data from two species of Drosophila, as well as on simulated data. The method is extremely fast, returning parameter estimates in less than 1 minute for a data set consisting of the numbers of differences between pairs of sequences from 10,000s of loci, or in a small fraction of a second if all loci are trimmed to the same estimated mutation rate. It is also illustrated how the maximized likelihood can be used to quickly distinguish between competing models describing alternative evolutionary scenarios, either by comparing AIC scores or by means of likelihood ratio tests. The present implementation is for a simple version of the model, but various extensions are possible and are briefly discussed.

研究动机与目标

• 开发一种计算高效的IIM模型物种形成参数估计方法，该模型假设初始阶段存在对称基因流，随后完全隔离。
• 解决现有IM模型的局限性，后者假设基因流持续至今，当基因流为短暂时会产生偏差估计。
• 通过AIC或似然比检验，实现IIM、隔离和IM模型之间的快速模型比较，用于进化情景测试。
• 在真实果蝇数据和模拟数据集上展示该方法的速度和准确性，证明其在群体基因组学中的实际应用价值。

提出的方法

• 该方法使用基于中性突变无限位点模型的IIM模型下观察到成对核苷酸差异的显式解析似然表达式。
• 通过在位点间成对差异频率计数上进行最大似然优化，估计参数——分化时间、迁移持续时间、迁移率和有效种群大小。
• 通过聚合相同的成对差异计数，高效计算似然，将成千上万个位点的数据缩减为约50个唯一值（在修剪后的数据中），极大加速了似然评估。
• 该方法在R中实现，针对突变率均匀的数据提供了简化版本，并包含模拟IIM数据和拟合模型的代码。
• 通过重新参数化和使用ML估计作为初始值的Hessian矩阵计算，获得参数标准误。
• 通过AIC评分和似然比检验进行模型比较，以评估不同进化情景。

实验结果

研究问题

• RQ1 能否开发一种快速、解析的最大似然方法，用于估计IIM模型下的物种形成参数，避免计算密集的MCMC或数值近似？
• RQ2 IIM模型在解释真实果蝇成对差异数据方面，与标准IM模型和隔离模型相比表现如何？
• RQ3 当基因流为短暂时，IIM模型在估计基因流时间和速率方面，相较于IM模型能提供多大程度上更准确、更易解释的结果？
• RQ4 IIM模型的最大化似然值能否有效用于通过AIC或似然比检验区分竞争性进化情景？

主要发现

• 对于包含10,000个以上位点的数据集，该方法在不到一分钟内完成IIM模型参数估计；当位点被修剪为统一突变率时，耗时仅零点几秒。
• 在修剪后的果蝇数据（28,157个位点）中，通过聚合成对差异频率，似然计算效率显著提升，唯一项数量从约28,000减少至约50个。
• 对于修剪后的果蝇数据集，估计的物种形成时间（T₀）为1000万年，迁移持续时间（V）为140万年，迁移率（m）为每代0.0042，有效种群大小（N）估计为180万。
• IIM模型相比隔离模型（ΔAIC = 14.3）和IM模型（ΔAIC = 10.5）提供了显著更优的拟合，支持短暂基因流后完全隔离的演化情景。
• 通过重新参数化似然和Hessian矩阵计算，成功估计了转换后参数（如以年为单位的时间、有效种群大小）的标准误。
• 结果表明，IIM模型为推断具有有限期基因流的物种形成，提供了比IM模型更符合生物学实际且更具统计可解释性的框架。