[论文解读] BPEC: An R Package for Bayesian Phylogeographic and Ecological Clustering

Ioanna Manolopoulou, Axel Hille+1 more|arXiv (Cornell University)|Apr 6, 2016

Genetic diversity and population structure被引用 14

一句话总结

BPEC 是一个 R 包，将 DNA 序列与地理、环境和表型数据整合，利用单倍型树上的坍塌共祖先模型推断贝叶斯系统地理和生态聚类。它支持可逆跳跃 MCMC 抽样，以推断未知数量的聚类（迁移事件），并提供可视化功能，包括与 Google Earth 兼容的输出，其在西亚棕蝠蛙 Rana macrocnemis 上的应用展示了中性与选择性分化并存的证据。

ABSTRACT

BPEC is an R package for Bayesian Phylogeographic and Ecological Clustering which allows geographical, environmental and phenotypic measurements to be combined with DNA sequences in order to reveal clustered structure resulting from migration events. DNA sequences are modelled using a collapsed version of a simplified coalescent model projected onto haplotype trees, which subsequently give rise to constrained clusterings as migrations occur. Within each cluster, a multivariate Gaussian distribution of the covariates (geographical, environmental, phenotypic) is used. Inference follows tailored Reversible Jump Markov chain Monte Carlo sampling so that the number of clusters (i.e., migrations) does not need to be pre-specified. A number of output plots and visualizations are provided which reflect the posterior distribution of the parameters of interest. BPEC also includes functions that create output files which can be loaded into Google Earth. The package commands are illustrated through an example dataset of the polytypic Near Eastern brown frog Rana macrocnemis analysed using BPEC.

研究动机与目标

• 为解决系统地理学中缺乏整合分析工具的问题，这些工具能够联合建模遗传、地理、环境和表型数据。
• 开发一种方法，无需预先指定聚类数量（即迁移事件数量），从而实现在数据驱动下推断种群结构。
• 提供一个灵活的、基于模型的框架，结合共祖先理论与多变量高斯模型以处理协变量，支持在时空维度上的推断。
• 通过定制的可视化工具增强可解释性，包括与 Google Earth 兼容的输出文件，以实现对后验结果的空间探索。

提出的方法

• 该方法使用简化共祖先模型的坍塌版本，将其投影到单倍型树上，通过迁移事件对聚类进行约束。
• 在每个推断的聚类内，使用多变量正态分布对地理、环境和表型协变量的联合分布进行建模。
• 采用可逆跳跃马尔可夫链蒙特卡洛（RJ-MCMC）抽样方法探索模型空间，并在无需预先指定聚类数量的情况下推断聚类数量。
• 该方法使用一个潜在的辅助树参数来表示单倍型之间的系统发育关系，从而指导聚类结构和迁移历史。
• 对聚类分配、迁移事件和参数估计进行后验推断，实现完整的不确定性量化。
• 该包包含函数，可生成与 Google Earth 兼容的输出文件，支持对后验聚类分布和迁移模式的空间可视化。

实验结果

研究问题

• RQ1 如何联合建模遗传、地理、环境和表型数据，以在不预先指定聚类数量的情况下推断系统地理结构？
• RQ2 从序列和协变量数据推断中，迁移事件在塑造种群地理和遗传结构方面发挥什么作用？
• RQ3 在单一物种中，贝叶斯聚类结合共祖先框架在多大程度上能够检测到驱动多样化过程的中性与选择性机制？
• RQ4 如何有效量化并可视化聚类成员关系、迁移事件和参数估计的不确定性，以促进生物学解释？
• RQ5 整合多变量协变量（如温度、海拔、形态）是否能提高对生态上有意义的种群聚类的检测能力？

主要发现

• BPEC 成功识别出西亚棕蝠蛙 Rana macrocnemis mtDNA 序列变异的地理聚类，这些聚类与不同的环境条件相关，提示可能存在分歧选择。
• 分析揭示了中性进化过程和选择压力共同促进遗传分化的证据，表明其多样化历史复杂。
• 该包的 RJ-MCMC 算法在无需预先指定聚类数量的情况下有效探索了模型空间，支持对迁移事件的稳健推断。
• 后验可视化结果，包括与 Google Earth 兼容的输出，使聚类分布和迁移模式的空间解释更加清晰。
• 该方法在后续假设检验中有效缩小了模型空间，尤其在从复杂数据中识别出生物学上合理的种群结构方面表现出实用性。
• 作者警告，基于单基因座数据的推断不应推广至广泛的生物学结论，建议未来扩展中整合多基因座数据。