[论文解读] Identifiability and Reconstructibility of Species Phylogenies Under a Modified Coalescent

Colby Long, Laura Kubatko|arXiv (Cornell University)|Jan 24, 2017

Genomics and Phylogenetic Studies参考文献 21被引用 6

一句话总结

本文通过证明在允许有效种群大小变化和放松分子钟假设的改进多物种物种网模型下，物种树的无根拓扑结构仍具有普遍可识别性，且SVDQuartets方法保持统计一致性，从而扩展了SVDQuartets用于物种树推断的理论基础。尽管引入了更符合生物现实的假设，该方法仍保持其效率与准确性，使得基于基因组数据的稳健系统发育推断成为可能。

ABSTRACT

Coalescent models of evolution account for incomplete lineage sorting by specifying a species tree parameter which determines a distribution on gene trees. It has been shown that the unrooted topology of the species tree parameter of the multispecies coalescent is generically identifiable. Moreover, a statistically consistent reconstruction method called SVDQuartets has been developed to recover this parameter. In this paper, we describe a modified multispecies coalescent model that allows for varying effective population size and violations of the molecular clock. We show that the unrooted topology of the species tree for these models is generically identifiable and that SVDQuartets is still a statistically consistent method for inferring this parameter.

研究动机与目标

• 将物种树拓扑结构的理论可识别性从经典多物种物种网模型扩展至更符合生物现实的情景。
• 研究计算效率高的SVDQuartets方法在放松分子钟和恒定种群大小假设后，是否仍保持统计一致性。
• 证明在允许有效种群大小变化和非等距物种树的改进物种网模型下，仍可从数据中恢复无根物种树拓扑结构。
• 证明现有软件（如PAUP*）中现成的SVDQuartets实现无需算法修改，即可适用于这些广义模型进行推断。

提出的方法

• 作者定义了一个改进的多物种物种网模型，允许在物种树的每条分支上具有非恒定的有效种群大小。
• 通过取消物种树必须为等距的要求，放松了分子钟假设，从而允许分支长度变化。
• 该方法利用原始SVDQuartets框架中的展平矩阵方法，将四重组合中各位点模式频率用于构建16×16矩阵。
• 证明了对应于真实四重组合的展平矩阵的秩至多为(κ+1 choose 2)，而错误的四重组合通常超过此秩，从而实现拓扑结构推断。
• 使用奇异值分解（SVD）评估每个展平矩阵与低秩集合的接近程度，以识别最可能的四重组合拓扑结构。
• 理论分析证明，在改进模型下，无根物种树拓扑结构具有普遍可识别性，扩展了经典物种网模型下的先前结果。

实验结果

研究问题

• RQ1 在允许有效种群大小变化的改进多物种物种网模型下，无根物种树拓扑结构是否仍具有普遍可识别性？
• RQ2 当分子钟假设被放松时，SVDQuartets方法在物种树推断中是否仍保持统计一致性？
• RQ3 SVDQuartets方法能否可靠地从具有非恒定种群大小和非等距物种树的物种网模型生成的数据中推断出物种树拓扑结构？
• RQ4 SVDQuartets的理论保证在多大程度上可推广至超越经典框架的更一般物种网模型？

主要发现

• 在允许有效种群大小变化和非等距物种树的改进多物种物种网模型下，物种树的无根拓扑结构具有普遍可识别性。
• 即使违反分子钟假设，SVDQuartets在改进模型下仍保持对物种树拓扑结构推断的统计一致性。
• 该方法保持其计算效率，因为它仅依赖于统计位点模式和计算16×16矩阵的奇异值，与序列长度无关。
• 本研究建立的理论框架适用于物种网独立位点、SNP数据和多基因数据，只要基因数量足够多以近似理论分布即可。
• 结果表明，现有软件（如PAUP*）中的SVDQuartets实现可直接应用于违反分子钟假设且种群大小变化的数据，无需算法修改。
• 通过模拟和真实数据的实证验证表明，SVDQuartets在这些广义模型下表现良好，保持了准确性和一致性。