[论文解读] Human Ancestries Simulation and Inference: a Review of Ancestral Recombination Graph Samplers

Patrick Fournier, Fabrice Larribe|arXiv (Cornell University)|Jan 14, 2026

Genetic Associations and Epidemiology被引用 0

一句话总结

简要：对自2000年代初至今的32个Arg取样器（仿真与推断）的全面技术评审，聚焦性能、可用性与生物学现实性，以引导研究人员实现与合并祖同宗-重组取样器。

ABSTRACT

There is little debate about the importance of the ancestral recombination graph in population genetics. An important theoretical tool, the main obstacle to its widespread usage is the computational cost required to match the ever-increasing scale of the data being analyzed. Many of these difficulties have been overcome in the past two decades, which have consequently seen the development of increasingly sophisticated ARG simulation and inference software. Nonetheless, challenges remain, especially in the area of ancestry inference. This paper is a comprehensive review of ARG samplers that have emerged in the past three decades to meet the need for scalable and flexible ancestry simulation and inference solutions. It specifically focuses on their performance, usability, and the biological realism of the underlying algorithm, and aims primarily to provide a technical overview of the field for researchers seeking to write their own coalescent-with-recombination sampler. As a complement to this article, we have compiled links to software, source code and documentation and made them available at https://www.patrickfournier.ca/arg-samplers-review/graph.

研究动机与目标

• 调查并比较三十年来开发的ARG取样器（2000年代–至今）。
• 评估各取样器的性能、可用性与生物学现实性。
• 区分基于模型的方法与启发式方法及其在仿真和推断中的适用性。
• 为 aiming to implement their own coalescent-with-recombination sampler 的研究人员提供指导。

提出的方法

• 将取样器分为基于模型的族与基于启发式的族，并区分仿真输出与推断输出。
• 分析事件抽样策略及其对准确性与性能的影响，包括合并与重组事件类型。
• 讨论近似方案（如SMC/SMC'）及其统计含义。
• 总结编程语言、接口和软件实现的实际注意事项。
• 给出对32个取样器及相关文献的详细、以特征为焦点的比较。

实验结果

研究问题

• RQ1 ARG取样器所采用的主要设计哲学（基于模型 vs 启发式）是什么？它们如何影响准确性和效率？
• RQ2 不同取样器如何处理合并与重组事件类型，现实性与性能之间的权衡如何？
• RQ3 使用精确的Hudson算法与近似的SMC/SMC'方法在实践中的性能含义是什么？
• RQ4 实现选择（语言、接口）如何影响可用性和可扩展性，以便研究人员构建或修改取样器？
• RQ5 在仿真与推断任务中，应使用或开发ARG取样器的哪些标准？

主要发现

• Hudson的原始算法（ms）仍然是精确CWR取样的参考实现，功能广泛但在基因组尺度上的性能有限。
• msprime引入了Tree Sequence数据结构，通过利用边缘树相关性实现基因组尺度的性能提升，允许在不存储完整ARG的情况下进行仿真。
• 近似的空间取样器（SMC/SMC'）通过限制重组事件位置在达到线性时间的同时，现实性有所折中，准确性取决于人口结构。
• 重组事件类型及其与祖先材料的关系影响取样器设计；一些方法为了计算效率而对采样类型2事件进行权衡。
• 模拟灵活性已扩展到包含选择、迁移、基因转换和古DNA，性能由事件缩减策略与数据结构驱动。
• 本综述提供广泛的基准测试和面向研究者的实际指导，帮助实现或修改共祖-重组取样器。