[论文解读] On the Identifiability of Phylogenetic Networks under a Pseudolikelihood model

Claudia Solís‐Lemus, Arrigo Coen+1 more|arXiv (Cornell University)|Oct 5, 2020

Evolution and Paleontology Studies参考文献 18被引用 7

一句话总结

本文针对伪似然模型下的分支多倍体网络可识别性提供了严格的数学证明，表明只有当杂交事件涉及四个或更多分类单元形成环路时才能被检测到；而较小的杂交区域（例如姐妹种之间的杂交）则无法被检测，揭示了当前网络推断方法在近缘分类单元中存在关键局限性。

ABSTRACT

The Tree of Life is the graphical structure that represents the evolutionary process from single-cell organisms at the origin of life to the vast biodiversity we see today. Reconstructing this tree from genomic sequences is challenging due to the variety of biological forces that shape the signal in the data, and many of those processes like incomplete lineage sorting and hybridization can produce confounding information. Here, we present the mathematical version of the identifiability proofs of phylogenetic networks under the pseudolikelihood model in SNaQ. We establish that the ability to detect different hybridization events depends on the number of nodes on the hybridization blob, with small blobs (corresponding to closely related species) being the hardest to be detected. Our work focuses on level-1 networks, but raises attention to the importance of identifiability studies on phylogenetic inference methods for broader classes of networks.

研究动机与目标

• 为分支多倍体网络在伪似然模型下的可识别性证明提供数学严谨性，此前此类证明在生物学出版物中被省略。
• 研究在合作模型下，从一致因子数据中可从哪类层次1分支多倍体网络的杂交事件中被检测到。
• 确定杂交环路中所需分类单元的最小数量，以实现可识别性，重点关注网络拓扑结构的约束。
• 通过提供完整的数学推导，为未来理论扩展至更广泛的分支多倍体网络类别奠定基础。
• 阐明当前伪似然方法在检测近缘物种（尤其是姐妹种）之间基因流方面的局限性。

提出的方法

• 使用从合作模型推导出的一致因子（CF）多项式方程，对可识别性进行形式化证明。
• 应用引理1，表明每子图采样两个个体即可满足参数估计，从而降低复杂度。
• 将k≥5的k-环杂交简化为等价的5-环网络，通过消除远距离子图，保持CF方程不变。
• 将CF方程分解为对应于4-环子网络的子集，以实现参数的有限可识别性。
• 使用半定向、显式、层次1的网络，仅含一个杂交事件，以简化分析，同时保持生物学相关性。
• 通过比较网络与其对应主树的CF方程，测试杂交可识别性。

实验结果

研究问题

• RQ1 在何种条件下，可通过伪似然模型从一致因子数据中检测到层次1分支多倍体网络中的杂交事件？
• RQ2 在给定模型下，杂交环路中实现可识别性所需的最少分类单元数量是多少？
• RQ3 对于k≥5的k-环杂交，是否可无损地简化为5-环以进行可识别性分析？
• RQ4 四分类单元的杂交环路参数是否能从一致因子方程中识别？
• RQ5 基于4-分类单元子集的子采样策略在多大程度上可实现所有网络参数的可识别性？

主要发现

• 仅涉及两个或三个分类单元的杂交事件（即小型杂交区域）在伪似然模型下无法被检测，因为其产生的CF方程与某些树拓扑完全相同。
• 杂交环路必须至少跨越四个分类单元才能被检测；包含恰好四个分类单元的环路可被识别，而更小的环路（如三分类单元）则不可。
• 对于k≥5，k-环杂交的可识别性等价于5-环网络的可识别性，因此可将复杂网络简化为更简单的代表性形式。
• 任何k≥4的k-环网络的CF方程系统可被分解为对应于4-环子网络的子集，从而实现所有参数的有限可识别性。
• 仅当杂交环路跨越至少四个分类单元时，通过从网络中移除次要杂交边所获得的主树才会与原始网络产生相同的CF方程。
• 所提供的数学框架可支持向更广泛类别的分支多倍体网络进行理论扩展，弥补了先前生物学出版物留下的空白。