[论文解读] Moments of the frequency spectrum of a splitting tree with neutral Poissonian mutations

Nicolas Champagnat, Benoît Henry|arXiv (Cornell University)|Sep 22, 2015

Stochastic processes and statistical mechanics参考文献 17被引用 9

一句话总结

本文推导了具有中性泊松突变的超临界分裂树中等位基因频率谱的阶乘矩的显式递归公式。通过引入一种新的共祖先点过程构造方法，并利用广义Campbell公式，作者建立了在适当指数时间缩放后频率谱的几乎必然收敛性，提供了一种新颖且基础的证明方法，无需依赖一般分支过程理论。

ABSTRACT

We consider a branching population where individuals live and reproduce independently. Their lifetimes are i.i.d. and they give birth at a constant rate b. The genealogical tree spanned by this process is called a splitting tree, and the population counting process is a homogeneous, binary Crump-Mode-Jagers process. We suppose that mutations affect individuals independently at a constant rate $\\\ heta$ during their lifetimes, under the infinite-alleles assumption: each new mutation gives a new type, called allele, to his carrier. We study the allele frequency spectrum which is the numbers A(k, t) of types represented by k alive individuals in the population at time t. Thanks to a new construction of the coalescent point process describing the genealogy of individuals in the splitting tree, we are able to compute recursively all joint factorial moments of (A(k, t)) k$\\ge$1. These moments allow us to give an elementary proof of the almost sure convergence of the frequency spectrum in a supercritical splitting tree.

研究动机与目标

• 推导具有中性泊松突变的分裂树中等位基因频率谱阶乘矩的显式递归公式。
• 提出一种新的共祖先点过程（CPP）构造方法，以利用局部独立性结构实现矩的计算。
• 提供一种基于矩方法的初等证明，证明在超临界情形下频率谱的几乎必然收敛性，避免依赖一般分支过程理论。
• 建立可用于高阶渐近近似（如中心极限定理型结果）的矩公式。

提出的方法

• 提出共祖先点过程的新表示形式，将其视为独立同分布的随机变量序列，从而实现矩的递归计算。
• 为在局部独立性条件下关于随机测度的积分期望，推导广义Campbell公式。
• 利用CPP的联合矩结构，递归计算频率谱 $A(k,t)$ 的阶乘矩。
• 将矩公式应用于证明 $e^{-\alpha t} A(k,t)$ 几乎必然收敛于与 $\mathcal{E}/\psi'(\alpha) \cdot c_k$ 成比例的极限，其中 $\mathcal{E}$ 为指数分布随机变量。
• 通过独立Lévy过程构造的路径过程，刻画剩余寿命并建立CPP中的独立性。
• 利用Lévy过程的尺度函数与Laplace指数，分析种群与突变过程的长期行为。

实验结果

研究问题

• RQ1 在具有泊松突变的分裂树中，如何递归计算等位基因频率谱 $A(k,t)$ 的联合阶乘矩？
• RQ2 共祖先点过程在刻画时间 $t$ 时种群的谱系结构中起什么作用？
• RQ3 能否在不引入一般分支过程理论的前提下，仅通过矩方法证明频率谱的几乎必然收敛性？
• RQ4 在超临界情形下，$e^{-\alpha t} A(k,t)$ 的精确极限分布是什么？它与种群的马尔萨斯参数有何关系？
• RQ5 个体在时间 $t$ 的剩余寿命如何贡献于共祖先点过程的独立性结构？

主要发现

• 本文推导出 $A(k,t)$（即时间 $t$ 时有 $k$ 个个体存活的等位基因数量）的阶乘矩的显式递归公式，其表达式基于低阶矩。
• 建立了 $e^{-\alpha t} A(k,t)$ 几乎必然收敛于 $\frac{\mathcal{E}}{\psi'(\alpha)} c_k$ 的结论，其中 $\mathcal{E}$ 为指数分布随机变量，$c_k$ 为依赖于模型参数的可计算常数。
• 收敛速度被证明为指数级快速，满足 $\mathbb{E}_{t}[e^{-2\alpha t}(c_k N_t - A(k,t))^2] \sim \mathcal{C} e^{-\gamma t}$，其中在亚临界/临界情形 $\gamma = \theta$，在超临界情形 $\gamma = 2\alpha - \theta$。
• 通过基于独立Lévy过程的路径过程构造，证明了个体在时间 $t$ 的剩余寿命相互独立，且第一个剩余寿命与其他剩余寿命独立。
• 新的共祖先点过程构造方法使得无需依赖以随机特征计数的一般分支过程理论，即可直接推导出矩公式。
• 该方法为推导高阶渐近结果（如功能中心极限定理）提供了基础，通过量化频率谱收敛过程中的误差实现。