[论文解读] A stochastic model for phylogenetic trees

T. M. Liggett, R. B. Schinazi|arXiv (Cornell University)|May 14, 2009

Evolution and Genetic Dynamics被引用 5

一句话总结

该论文提出了一种基于适应度依赖选择的出生-死亡过程的简单随机模型来描述系统发育树：新类型（突变）以速率 $\lambda n$ 增加，适应度最低的类型以速率 $n$ 被移除。当 $\lambda < 1$ 时，模型生成一棵细长的树，长期仅存在单一优势类型——与流感病毒一致。当 $\lambda > 1$ 时，模型产生一棵茂密的树，存在大量共存类型——与HIV一致。关键结果是：在亚临界情况下（$\lambda < 1$），优势类型从时间 $\alpha t$ 到 $t$ 的持续概率收敛于 $\alpha$；而在超临界情况下（$\lambda > 1$），该概率收敛于 0。

ABSTRACT

We propose the following simple stochastic model for phylogenetic trees. New types are born and die according to a birth and death chain. At each birth we associate a fitness to the new type sampled from a fixed distribution. At each death the type with the smallest fitness is killed. We show that if the birth (i.e. mutation) rate is subcritical we get a phylogenetic tree consistent with an influenza tree (few types at any given time and one dominating type lasting a long time). When the birth rate is supercritical we get a phylogenetic tree consistent with an HIV tree (many types at any given time, none lasting very long).

研究动机与目标

• 开发一个最简化的随机模型，仅通过突变、死亡和适应度选择，重现流感与HIV的对比性系统发育树结构。
• 解释为何相同的底层机制——突变——会生成截然不同的树形：一种是单一优势谱系（流感），另一种是多个共存谱系（HIV）。
• 分析在不同突变率下，优势类型在树中长期持续存在的行为。
• 建立突变率 $\lambda$ 与生成的系统发育树结构特性之间的数学联系。

提出的方法

• 将演化建模为类型数量上的连续时间出生-死亡过程：出生速率为 $n\lambda$，死亡速率为 $n$（当 $n \geq 2$ 时）。
• 为每个新类型独立地从 $[0,1]$ 上的均匀分布中抽取一个适应度值。
• 在每次死亡事件中，移除适应度最低的类型，从而实现基于适应度排序的选择。
• 将任意时刻适应度最高的类型定义为最大类型；追踪其在时间区间内的持续存在情况。
• 使用更新理论和更新-奖励过程，分析返回到单一类型的时间间隔（$\lambda < 1$）或首次达到新最大值的首通过时间（$\lambda > 1$）。
• 应用大数定律、依分布收敛性以及稳定极限定理（例如指数为 $1/2$ 的稳定子过程）来推导渐近行为。

实验结果

研究问题

• RQ1 一个仅包含突变、死亡和基于适应度选择的简单随机模型，能否重现流感与HIV的显著不同的系统发育树形？
• RQ2 突变率 $\lambda$ 如何影响树中优势（最适应）类型的持续存在？
• RQ3 当 $t \to \infty$ 时，时间 $\alpha t$ 的优势类型在时间 $t$ 仍保持优势的概率的极限是多少？
• RQ4 当 $\lambda < 1$、$\lambda = 1$ 和 $\lambda > 1$ 时，模型的行为在定性上如何变化？
• RQ5 是否存在一种数学机制，能够解释为何流感树是细长的而HIV树是茂密的，尽管两者都源于突变？

主要发现

• 当 $\lambda < 1$ 时，时间 $\alpha t$ 的优势类型在时间 $t$ 仍保持优势的概率随 $t \to \infty$ 收敛于 $\alpha$，表明最适应谱系具有长期持续性。
• 当 $\lambda > 1$ 时，优势类型从 $\alpha t$ 到 $t$ 的持续概率收敛于 0，表明快速更替和大量共存类型。
• 当 $\lambda = 1$ 时，持续概率的极限同样为 $\alpha$，通过 $S_{N(\alpha t)} / S_{N(t)}$ 收敛于稳定子过程增量之比推导得出。
• 在 $\lambda = 1$ 时，类型数量 $S_n$ 的分布增长类似于 $n^2$，与指数为 $1/2$ 的稳定分布一致。
• 通过更新理论和有界收敛定理，建立了 $\lambda < 1$ 时持续概率收敛于 $\alpha$ 的结果。
• 通过随机游动的耦合与控制收敛定理，证明了 $\lambda > 1$ 时 $S_n / n$ 收敛于有限极限，从而确保持续概率在极限下趋于零。