[论文解读] Efficient Bayesian species tree inference under the multi-species coalescent

Bruce Rannala, Ziheng Yang|arXiv (Cornell University)|Dec 11, 2015

Genetic diversity and population structure参考文献 29被引用 12

一句话总结

本文提出了一种高效的贝叶斯方法，用于在多物种杂合模型下进行物种类树推断，采用新颖的MCMC提议——SPR和节点滑动（node-slider），通过联合更新物种类树和基因树来改善混合效果。该方法在分析10个基因座时，能以近乎确定的把握恢复正确的物种类树，同时通过完全整合未观测到的基因树，有效考虑了基因树的不确定性，展现出高准确性和高精度。

ABSTRACT

A method was developed for Bayesian inference of species phylogeny using the multi-species coalescent model. To improve the mixing properties of the Markov chain Monte Carlo (MCMC) algorithm that traverses the space of species trees, we implement two efficient MCMC proposals: the first is based on the Subtree Pruning and Regrafting (SPR) algorithm and the second is based on a novel node-slider algorithm. Like the Nearest-Neighbor Interchange (NNI) algorithm we implemented previously, both algorithms propose changes to the species tree, while simultaneously altering the gene trees at multiple genetic loci to automatically avoid conflicts with the newly-proposed species tree. The method integrates over gene trees, naturally taking account of the uncertainty of gene tree topology and branch lengths given the sequence data. A simulation study was performed to examine the statistical properties of the new method. We found that it has excellent statistical performance, inferring the correct species tree with near certainty when analyzing 10 loci. The prior on species trees has some impact, particularly for small numbers of loci. An empirical dataset (for rattlesnakes) was reanalyzed. While the 18 nuclear loci and one mitochondrial locus support largely consistent species trees under the multi-species coalescent model estimates of parameters suggest drastically different evolutionary dynamics between the nuclear and mitochondrial loci.

研究动机与目标

• 为解决在多物种杂合模型下物种类树推断中MCMC混合效果差的问题，开发高效联合更新物种类树和基因树的算法。
• 通过整合未观测到的基因树拓扑结构和分支长度，提升物种类树估计的统计准确性和精确度。
• 克服拼接法和基因树汇总方法的局限性，后者忽略系统发育不确定性，导致推断偏差。
• 实现从多基因座序列数据中可靠推断物种类树，尤其适用于不完全 lineage sorting（不完全谱系分选）的情形。
• 提供一种计算上可行的贝叶斯框架，可扩展至包含多个基因座和物种类的现实数据集。

提出的方法

• 该方法采用贝叶斯框架，结合马氏链蒙特卡洛（MCMC）方法，在多物种杂合模型下联合推断物种类树、基因树和种群参数。
• 引入两种新颖的MCMC提议：子树修剪与再连接（Subtree Pruning and Regrafting, SPR）和节点滑动算法，两者均旨在同时更新物种类树拓扑结构和基因树配置。
• SPR和节点滑动提议尊重共源约束，确保基因树分歧时间与物种类分歧时间保持一致。
• 该方法通过解析方式对基因树进行积分，避免对估计的基因树进行条件假设，从而有效考虑基因树拓扑结构和分支长度的不确定性。
• 采用Jukes-Cantor替换模型，并应用分子钟假设，尽管作者指出该假设在远缘物种中存在局限性。
• 该方法在BPP软件（版本3.2）中实现，支持从多基因座序列数据中进行全似然物种类树推断。

实验结果

研究问题

• RQ1 能否开发出高效的MCMC提议，使在多物种杂合模型下联合更新物种类树和基因树，从而改善混合效果和收敛性？
• RQ2 与依赖估计基因树的方法相比，对基因树进行完全积分如何影响物种类树推断的准确性和精确度？
• RQ3 该方法在不同基因座数量和物种类树构型下，恢复真实物种类树的统计表现如何？
• RQ4 核基因和线粒体基因座之间突变率和种群大小的差异，如何影响在多物种杂合模型下的物种类树推断？
• RQ5 在真实数据中，核基因和线粒体基因座之间信号冲突在多大程度上反映了超出突变率和种群大小差异的生物过程？

主要发现

• 该方法表现出高准确性，在分析10个基因座时，能以近乎确定的把握恢复正确的物种类树，表现为高后验概率和高可信区间覆盖度。
• 物种类树推断的可信区间较小，表明在测试条件下参数估计具有高精确度。
• 物种类树的先验分布对推断结果有显著影响，尤其在基因座数量较少时，凸显对先验设定的敏感性。
• 在蝮蛇数据集中，线粒体和核基因座表现出不一致的进化动态：线粒体分歧时间（τ）和种群大小参数（θ）与核基因座不成比例，提示可能偏离简单中性模型。
• 线粒体基因座的突变率显著更高，当与核基因座共同分析时，可能主导信号，从而潜在地导致物种类树估计偏差。
• 核基因与线粒体基因座之间的差异无法仅通过突变率或种群大小的差异完全解释，表明可能存在选择或种群异质性等潜在的生物学复杂性。