[论文解读] Phylogenetic automata, pruning, and multiple alignment

Oscar Westesson, Gerton Lunter+2 more|arXiv (Cornell University)|Mar 22, 2011

Genomics and Phylogenetic Studies参考文献 33被引用 9

一句话总结

本文提出了一种Felsenstein修剪算法的新型扩展，通过加权有限状态转移器将插入缺失模型直接整合到系统发育推断中，实现了无需依赖单一比对结果的 probabilistic 多重序列比对。该方法利用分层随机近似和转移器复合技术，高效计算似然值并重建祖先序列，在比对和祖先序列重建任务中显著提升了可扩展性和准确性。

ABSTRACT

We present an extension of Felsenstein's algorithm to indel models defined on entire sequences, without the need to condition on one multiple alignment. The algorithm makes use of a generalization from probabilistic substitution matrices to weighted finite-state transducers. Our approach may equivalently be viewed as a probabilistic formulation of progressive multiple sequence alignment, using partial-order graphs to represent ensemble profiles of ancestral sequences. We present a hierarchical stochastic approximation technique which makes this algorithm tractable for alignment analyses of reasonable size.

研究动机与目标

• 开发一个统一的系统发育推断框架，将序列演化与插入缺失过程整合，而无需依赖固定的多重比对。
• 将Felsenstein的修剪算法扩展至在插入缺失模型下处理完整序列，使用加权有限状态转移器。
• 通过分层随机近似和转移器复合技术，实现似然值和祖先序列重建的高效计算。
• 利用部分序图表示集合祖先谱系，提供一种基于概率的渐进式多重序列比对方法。
• 通过限制通过随机采样考虑的路径数量，降低大规模比对和祖先推断中的计算复杂度。

提出的方法

• 使用加权有限状态转移器推广替换矩阵，并在整个序列上建模插入缺失过程。
• 应用转移器复合与交集操作，统一进化模型与观测数据之间的输入/输出约束。
• 采用Moore机形式化表示进化过程，包括TKF91插入缺失模型，作为概率转移器。
• 构建复合转移器 $M_n$，通过组件转移器的分层复合，编码观测序列与祖先状态的联合似然。
• 实施分层随机近似技术，限制动态规划过程中考虑的路径数量，降低内存和时间复杂度。
• 使用随机回溯（算法4）按似然比例采样祖先序列路径，实现对路径空间的高效探索。

实验结果

研究问题

• RQ1 Felsenstein的修剪算法能否在不依赖固定多重比对的前提下，扩展至处理包含插入缺失过程的完整序列？
• RQ2 如何利用加权有限状态转移器在进化模型下建模观测序列与祖先序列的联合似然？
• RQ3 将插入缺失模型整合到系统发育似然计算中的计算复杂度是多少？如何使其在生物相关数据集中具有可行性？
• RQ4 对转移器路径的随机采样能否有效近似祖先序列重建和多重比对中的完整路径空间？
• RQ5 使用部分序图和转移器复合如何提升渐进式多重序列比对的准确性和效率？

主要发现

• 所提出的方法在无需预设多重比对的情况下实现了插入缺失模型下的似然计算，克服了传统Felsenstein修剪方法的关键局限。
• 转移器复合使算法能够通过概率模型的分层模块化构建，计算观测序列与祖先序列的联合似然。
• 使用随机回溯采样通过限制祖先序列重建过程中探索的路径数量，显著降低了内存和时间复杂度。
• 通过在动态规划递归中应用分层随机近似，该方法实现了对生物相关数据集的可行计算。
• 实验结果表明，路径采样相比完整动态规划速度快得多，且在祖先序列重建和比对中保持了高准确性。
• 该框架提供了一种基于集合祖先谱系（以部分序图表示）的渐进式多重序列比对的合理概率公式化方法。