[论文解读] Incomplete Lineage Sorting: Consistent Phylogeny Estimation From Multiple Loci

Elchanan Mossel, Sébastien Roch|arXiv (Cornell University)|Oct 1, 2007

Genomics and Phylogenetic Studies参考文献 14被引用 6

一句话总结

本文提出 GLASS（Global LAteSt Split），一种在不完全谱系分选条件下，从多个基因树估计物种树的统计一致性算法。它利用各基因座的最小共祖先时间推断正确物种拓扑，证明在标准共祖先模型下具有一致性，并对适度的估计误差具有鲁棒性，且给出了明确的收敛速率。

ABSTRACT

We introduce a simple algorithm for reconstructing phylogenies from multiple gene trees in the presence of incomplete lineage sorting, that is, when the topology of the gene trees may differ from that of the species tree. We show that our technique is statistically consistent under standard stochastic assumptions, that is, it returns the correct tree given sufficiently many unlinked loci. We also show that it can tolerate moderate estimation errors.

研究动机与目标

• 为解决由于不完全谱系分选导致的物种树推断不准确问题，此时基因树可能与真实物种树冲突。
• 开发一种计算高效的算法，即使在基因树因共祖先随机性而产生不一致时，仍保持统计一致性。
• 为共祖先模型下的物种树估计提供明确的收敛速率，以实现对重建质量的实际评估。
• 将拓扑一致性方法推广至多基因座，并将该方法推广至无需分子钟假设的距离基重建。

提出的方法

• GLASS 通过取每对物种对之间所有基因树和个体的最小分歧时间，来估计种群间的共祖先时间。
• 它基于分支长度阈值的组合条件，从这些最小共祖先时间中识别出正确的物种树拓扑。
• 该方法依赖于以下性质：在共祖先模型下，两个物种类群之间的最短共祖先时间对应于其在物种树中的最近共同祖先。
• 通过允许共祖先时间估计误差在一定范围内，该方法可推广至噪声数据，只要误差低于与最短分支长度相关的阈值，即可保持正确性。
• 该算法与任何基于距离的系统发育重建方法兼容，可在不假设分子钟的前提下使用。
• 通过在基因间聚合共祖先时间信息，该方法将 Rosenberg 的拓扑一致性方法推广至多基因座，以推断物种水平关系。

实验结果

研究问题

• RQ1 一种简单且计算高效的算法，能否在基因树因不完全谱系分选而产生不一致时，实现物种树估计的统计一致性？
• RQ2 在多个基因座上，什么条件可确保最小共祖先时间正确识别出真实物种树拓扑？
• RQ3 当共祖先时间测量存在有界估计误差时，该方法的性能如何？
• RQ4 该方法能否推广至无需分子钟假设的距离基方法？
• RQ5 在共祖先模型下，物种树重建可推导出何种明确的收敛速率？

主要发现

• GLASS 在标准共祖先模型下具有统计一致性，即在足够多的未连锁基因座下，以高概率重建出正确的物种树。
• 只要估计误差小于最短分支长度一半，该方法即使在中等估计误差下仍保持一致性。
• 推导出明确的收敛速率：错误重建的概率随基因座数量呈指数衰减，其上界为 $ \mathbb{P}[\text{Incorrect Reconstruction}] \leq (n-1)[e^{-\mu\Lambda}]^k $，其中 $ \Lambda = \frac{m - 2\delta}{m} $。
• 对于任意期望的误差容忍度 $ \varepsilon $，该算法可使用 $ k = \frac{1}{\mu\Lambda} \ln\left(\frac{n-1}{\varepsilon}\right) $ 个基因座以高概率实现正确重建。
• GLASS 可与任何距离矩阵方法结合使用，且无需分子钟假设，只要物种树分支内的突变率保持一致即可。
• 该方法将拓扑一致性推广至多基因座，为从基因树不一致中推断物种树提供了稳健的框架。