[论文解读] Non-bifurcating phylogenetic tree inference via the adaptive LASSO

Cheng Zhang, Vu Dinh+1 more|arXiv (Cornell University)|May 28, 2018

Genomics and Phylogenetic Studies参考文献 53被引用 4

一句话总结

本文提出了一种基于自适应LASSO的正则化方法，用于非二分裂系统发育树推断，能够检测指示多枝化和采样祖先的零长度分支。通过在分支长度上应用$β$-自适应LASSO惩罚，该方法实现了拓扑一致性，并在稀疏性恢复和计算效率方面优于阈值法和非自适应LASSO。

ABSTRACT

Phylogenetic tree inference using deep DNA sequencing is reshaping our understanding of rapidly evolving systems, such as the within-host battle between viruses and the immune system. Densely sampled phylogenetic trees can contain special features, including <i>sampled ancestors</i> in which we sequence a genotype along with its direct descendants, and <i>polytomies</i> in which multiple descendants arise simultaneously. These features are apparent after identifying zero-length branches in the tree. However, current maximum-likelihood based approaches are not capable of revealing such zero-length branches. In this article, we find these zero-length branches by introducing adaptive-LASSO-type regularization estimators for the branch lengths of phylogenetic trees, deriving their properties, and showing regularization to be a practically useful approach for phylogenetics. Supplementary materials for this article are available online.

研究动机与目标

• 解决当前最大似然方法在检测系统发育树中零长度分支（如多枝化和采样祖先）方面的局限性。
• 开发一种惩罚似然框架，通过在分支长度中鼓励稀疏性来识别非二分裂拓扑结构。
• 在温和正则性条件下，建立自适应系统发育LASSO的理论一致性。
• 提出一种基于邻近梯度方法的计算高效优化算法，以解决非凸、非光滑的正则化问题。
• 在合成数据和真实数据实验中，证明该方法在性能上优于启发式阈值法和非自适应LASSO。

提出的方法

• 构建一个在分支长度上施加自适应LASSO惩罚的惩罚似然估计问题，以诱导稀疏性。
• 使用与分支长度系数初始估计值成反比的权重的自适应LASSO惩罚，以改进变量选择。
• 应用带有FISTA风格加速的邻近梯度下降法，求解由$β$-自适应LASSO公式产生的非光滑、非凸优化问题。
• 在温和正则性条件下，推导出自适应系统发育LASSO的理论一致性结果，包括拓扑一致性。
• 将该方法与标准最大似然系统发育推断流程集成，以实现对非二分裂拓扑结构的发现。
• 实施两步法：首先通过惩罚似然估计分支长度，然后利用估计为零的分支推断多分叉或采样祖先拓扑结构。

实验结果

研究问题

• RQ1 自适应LASSO正则化是否能比现有方法更有效地检测系统发育树中的零长度分支（如多枝化和采样祖先）？
• RQ2 在温和正则性条件下，自适应系统发育LASSO是否能实现对非二分裂树结构的拓扑一致性恢复？
• RQ3 与启发式阈值法和非自适应LASSO相比，自适应LASSO在稀疏性恢复和分支检测准确性方面的表现如何？
• RQ4 所提出的方法是否能在实现非二分裂拓扑发现的同时，达到与最大似然推断相当的计算效率？
• RQ5 在LASSO惩罚中采用自适应加权对复杂树拓扑中真实零长度分支的识别有何影响？

主要发现

• 自适应系统发育LASSO实现了拓扑一致性，能够可靠检测包含多枝化和采样祖先的非二分裂树拓扑结构。
• 在合成实验中，自适应LASSO在稀疏性恢复方面显著优于非自适应LASSO，能更准确地识别零长度分支。
• 在各种阈值设定下，该方法检测短分支的灵敏度高于基于阈值的方法。
• 与rjMCMC相比，自适应LASSO在识别零长度分支方面具有更高的精确度，且计算效率更高。
• 该方法在不同序列长度和突变率下均保持一致性能，表现出在多种模拟设置下的鲁棒性。
• 即使在零长度分支具有高似然值的情况下，该方法仍表现优异，优于非负约束似然最大化方法，尤其在具有挑战性的拓扑构型中。