[论文解读] Detectability of Varied Hybridization Scenarios using Genome-Scale Hybrid Detection Methods

Marianne Bjorner, Erin K. Molloy+2 more|arXiv (Cornell University)|Nov 1, 2022

Plant and animal studies被引用 8

一句话总结

本研究在具有不同杂交情景的模拟物种网中评估了六种基因组规模的杂交检测方法——MSCquartets、TICR、HyDe、Patterson的D统计量、D3和Dp。研究发现，MSCquartets在各种条件下均表现出高精度；HyDe能唯一识别杂交类群与亲本类群，但在存在幽灵谱系时表现不佳；所有方法在深层或多重杂交情况下均表现困难，尤其是当基因流古老或重叠时。

ABSTRACT

Hybridization events complicate the accurate reconstruction of phylogenies, as they lead to patterns of genetic heritability that are unexpected under traditional, bifurcating models of species trees. This has led to the development of methods to infer these varied hybridization events, both methods that reconstruct networks directly, and summary methods that predict individual hybridization events. However, a lack of empirical comparisons between methods - especially pertaining to large networks with varied hybridization scenarios - hinders their practical use. Here, we provide a comprehensive review of popular summary methods: TICR, MSCquartets, HyDe, Patterson's D-Statistic (ABBA-BABA), D3, and Dp. TICR and MSCquartets are based on quartet concordance factors gathered from gene tree topologies and Patterson's D-Statistic, D3, and Dp use site pattern frequencies to identify hybridization events. We then use simulated data to address questions of method accuracy and ideal use scenarios by testing methods against complex networks which depict gene flow events that differ in depth (timing), quantity (single vs. multiple, overlapping hybridizations), and rate of gene flow. We find that deeper or multiple hybridization events may introduce noise and weaken the signal of hybridization, leading to higher false negative rates across methods. Despite some forms of hybridization eluding quartet-based detection methods, MSCquartets displays high precision in most scenarios. While HyDe results in high false negative rates when tested on hybridizations involving ghost lineages, HyDe is the only method to be able to separate hybrid vs parent signals. Lastly, we test the methods on ultraconserved elements from the bee subfamily Nomiinae, finding the possibility of hybridization events between clades which correspond to regions of poor support in the species tree estimated in the original study.

研究动机与目标

• 评估在基因组规模系统发育基因组学中，使用汇总方法检测不同杂交情景的可检测性。
• 在多样的网络条件下，比较六种主要杂交检测方法的准确性和鲁棒性。
• 识别每种方法的理想应用场景及其局限性，特别是关于杂交的时间、数量和方向性。
• 在真实数据上评估方法性能，具体为蜂亚科Nomiinae的超保守元件数据。
• 为进化生物学家提供基于生物学背景和数据质量的方法选择实用指导。

提出的方法

• 使用共祖先模型，构建具有不同杂交深度、数量（单次 vs. 多次）和基因流速率（γ）的模拟物种网。
• 在无限位点突变模型下生成基因树和序列数据，假设替换过程为同质、平稳且可逆。
• 应用六种汇总方法：MSCquartets和TICR基于基因树拓扑的四联体一致系数；HyDe、D统计量、D3和Dp基于位点模式频率。
• 在真实基因树和估计基因树上测试方法，以评估对基因树估计误差的敏感性。
• 在Nomiinae蜂类的超保守元件真实数据集上评估性能，以验证在实际情境中的发现。
• 使用时间尺度一致、基于共祖先的网络，假设种群大小相等，以隔离杂交复杂性的影响。

实验结果

研究问题

• RQ1 不同杂交情景（深度、数量、速率）如何影响汇总方法对杂交事件的可检测性？
• RQ2 在多样的网络拓扑中，哪种方法在精度和假阴性率方面表现最佳？
• RQ3 当存在幽灵谱系或已灭绝谱系时，是否有任何方法能可靠识别杂交方向（即哪个类群是杂交类群）？
• RQ4 基因树估计误差如何影响TICR和MSCquartets等检测方法的性能？
• RQ5 种系树拓扑结构和分支长度在多大程度上影响基于位点模式的检验（如Patterson的D统计量）的可靠性？

主要发现

• MSCquartets在所有测试情景中均表现出高精度，包括深层或多重杂交事件。
• TICR能有效检测单次浅层杂交事件，即使存在幽灵谱系，但在应用于估计基因树时失败。
• HyDe是唯一能够识别杂交类群并将其与亲本类群区分开的方法，但在未采样或已灭绝亲本情况下表现出高假阴性率。
• 所有方法在杂交事件较深（接近根部）或涉及多个重叠事件时，假阴性率均显著上升。
• 在Nomiinae蜂类数据集中，所有方法均检测到Stictonomia schubotzi存在潜在杂交，表明杂交是基因树估计误差的合理替代解释。
• 基于位点模式的方法（如D统计量）显著受长分支长度和趋同替换的影响，降低了远距离比较中的可靠性。