[论文解读] Fast likelihood evaluation for multivariate phylogenetic comparative methods: the PCMBase R package

Venelin Mitov, Krzysztof Bartoszek+2 more|arXiv (Cornell University)|Sep 24, 2018

Evolution and Paleontology Studies参考文献 38被引用 7

一句话总结

PCMBase R 包通过使用修剪算法高效计算多元正态似然，实现了多元系统发育比较方法的快速、线性时间似然评估。它支持多种模型——包括多元Ornstein–Uhlenbeck过程和间断平衡过程——适用于各类树型结构，能够处理缺失数据和不存在的性状，并可扩展至拥有数千个叶节点的大规模树。

ABSTRACT

We introduce an R package, PCMBase, to rapidly calculate the likelihood for multivariate phylogenetic comparative methods. The package is not specific to particular models but offers the user the functionality to very easily implement a wide range of models where the transition along a branch is multivariate normal. We demonstrate the package's possibilities on the now standard, multitrait Ornstein-Uhlenbeck process as well as the novel multivariate punctuated equilibrium model. The package can handle trees of various types (e.g. ultrametric, nonultrametric, polytomies, e.t.c.), as well as measurement error, missing measurements or non-existing traits for some of the species in the tree.

研究动机与目标

• 开发一种计算高效的框架，用于多元系统发育比较方法中的似然评估。
• 支持一类广泛的模型，其中性状转换为多元正态分布，包括具有分段常数漂移和扩散矩阵的模型。
• 处理复杂数据结构，如非超进化树、多歧进化枝、测量误差，以及缺失或不存在的性状。
• 实现单一树上多个进化模式的似然计算可扩展性，包括混合类型模型。
• 为研究人员提供一个灵活、可扩展的计算引擎，使其能够以最小的编码开销实现自定义进化模型。

提出的方法

• 使用修剪算法，从叶节点到根节点递归计算似然贡献，避免显式构建完整的方差-协方差矩阵。
• 采用基于方差-协方差矩阵三节点结构的线性时间算法，确保相对于叶节点数量的 O(n) 时间复杂度。
• 通过矩阵变换和递归更新，在分支上计算均值向量和协方差矩阵，即使在非超进化树上也适用。
• 区分未观测到的性状（NA）与不存在的性状（NaN），对未观测到的性状进行积分处理，对不存在的性状则通过降低维度的计算进行调整。
• 实现数值保护机制：检测在极短分支上出现的计算奇异的方差-协方差矩阵，并允许用户通过预设阈值跳过此类分支。
• 支持 $\mathcal{G}_{LInv}$-族模型，其中方差-协方差矩阵的逆矩阵线性依赖于树结构，从而实现高效的似然评估。

实验结果

研究问题

• RQ1 能否开发一个通用的 R 包，以实现对多样化树结构和数据结构下多元系统发育模型的快速似然评估？
• RQ2 如何在不构建完整方差-协方差矩阵的前提下，加速如多元 Ornstein–Uhlenbeck 过程和间断平衡过程等多元模型的似然计算？
• RQ3 哪些计算策略能够有效处理系统发育似然评估中的缺失数据、不存在的性状以及非超进化树？
• RQ4 在导致协方差矩阵奇异的极短分支存在时，能否使似然评估具有数值鲁棒性？
• RQ5 该框架在多大程度上可推广以支持混合类型模型，即在树的不同部分采用不同进化过程？

主要发现

• PCMBase 包实现了多元系统发育模型的线性时间似然评估（O(n)），显著优于需要完整矩阵构建的二次时间方法。
• 该包成功处理了非超进化树、多歧进化枝和化石数据，无需对树进行解析或转换。
• 它能正确区分未观测到的性状（进行积分处理）与不存在的性状（通过降维计算处理），从而在复杂数据模式下实现准确的似然估计。
• 该包可检测并报告在极短分支上出现的数值奇异方差-协方差矩阵，并在指定时提供跳过这些分支的选项。
• 该实现支持新型模型，如多元间断平衡过程，展示了该框架在标准模型之外的灵活性。
• 该方法可有效扩展至拥有数千个叶节点的大规模系统发育树，适用于高通量分析（如 HIV 序列数据）。