[论文解读] Efficient Forward Simulation of Fisher-Wright Populations with Stochastic Population Size and Neutral Single Step Mutations in Haplotypes

Mikkel Meyer Andersen, Poul Svante Eriksen|arXiv (Cornell University)|Oct 5, 2012

Algorithms and Data Compression参考文献 8被引用 5

一句话总结

该论文提出了一种针对具有随机种群大小和单倍型中性单步突变的Fisher-Wright种群的高效前向模拟算法，通过采用以单倍型为中心的数据结构和k-d树来加速计算。该方法在开源R包 fwsim 中实现，相较于朴素的基于个体的模拟，速度最高提升6,848倍，能够实现大规模种群的快速且可扩展的模拟，特别适用于法医学遗传学中的Y-STR谱系标记。

ABSTRACT

In both population genetics and forensic genetics it is important to know how haplotypes are distributed in a population. Simulation of population dynamics helps facilitating research on the distribution of haplotypes. In forensic genetics, the haplotypes can for example consist of lineage markers such as short tandem repeat loci on the Y chromosome (Y-STR). A dominating model for describing population dynamics is the simple, yet powerful, Fisher-Wright model. We describe an efficient algorithm for exact forward simulation of exact Fisher-Wright populations (and not approximative such as the coalescent model). The efficiency comes from convenient data structures by changing the traditional view from individuals to haplotypes. The algorithm is implemented in the open-source R package 'fwsim' and is able to simulate very large populations. We focus on a haploid model and assume stochastic population size with flexible growth specification, no selection, a neutral single step mutation process, and self-reproducing individuals. These assumptions make the algorithm ideal for studying lineage markers such as Y-STR.

研究动机与目标

• 开发一种精确的Fisher-Wright种群前向模拟方法，避免共祖先模型的近似。
• 实现具有随机种群大小和单倍型中性单步突变的大型种群的高效模拟。
• 通过精确建模单倍型分布动态，支持法医学遗传学研究，特别是Y-STR谱系标记。
• 通过将关注点从个体转向单倍型，并使用优化的数据结构，降低计算和内存开销。
• 提供一个可扩展的、开源的R实现（fwsim），用于高性能的群体遗传模拟。

提出的方法

• 该算法通过追踪单倍型计数而非个体谱系来建模种群动态，从而降低计算复杂度。
• 采用多项式抽样方案在世代间传播单倍型计数，突变以每个位点的中性单步过程施加。
• 使用k-d树数据结构高效管理与查询单倍型状态，实现在模拟过程中快速的查找与更新操作。
• 种群大小根据灵活的生长参数α随机演化，允许非恒定的种群动态。
• 该方法支持任意初始种群大小和位点数量，突变率按每个位点施加。
• 实现基于R包fwsim，针对大规模模拟中的性能和内存效率进行了优化。

实验结果

研究问题

• RQ1 当种群大小随机且突变为中性单步时，如何使Fisher-Wright种群的精确前向模拟在计算上高效？
• RQ2 在前向模拟中，通过建模单倍型而非个体，能获得多大的性能提升？
• RQ3 使用k-d树在多大程度上提升了群体遗传模拟的可扩展性？
• RQ4 fwsim包的计算效率与朴素基于个体的模拟相比，在不同种群大小和突变率下如何？
• RQ5 该算法能否有效模拟出与法医学Y-STR分析相关的复杂动态的大规模种群？

主要发现

• 在模拟5,000个个体、200代、突变率为0.001的情况下，fwsim包相较于朴素基于个体的实现最高实现6,848倍的速度提升。
• 在模拟5,000个个体、100代、突变率为0.003的情况下，fwsim平均比朴素实现快近2,000倍。
• 随着位点数和代数的增加，该算法表现出高效的可扩展性，即使在大规模模拟中计算时间也仅适度增长。
• 通过追踪单倍型计数而非个体基因型，显著降低了内存消耗，从而能够模拟更大规模的种群。
• 该方法准确捕捉了遗传漂变和突变动态，体现在前两个位点的列联表中初始(0,0)单倍型频率出现的微小漂移。
• 实现具有鲁棒性和高效性，性能基准测试中10次模拟的中位计算时间表现优异。