[论文解读] Phylogenetic Networks Do not Need to Be Complex: Using Fewer Reticulations to Represent Conflicting Clusters

Leo van Iersel, Steven Kelk+2 more|ArXiv.org|Oct 16, 2009

Genomics and Phylogenetic Studies参考文献 11被引用 11

一句话总结

本文提出Cass算法，通过高效整合多棵系统发育树中的冲突簇，构建具有更少网状分支的系统发育网络。当此类网络存在时，该算法可保证每个双连通分量中至多存在两个网状分支，与现有方法相比显著降低了复杂度，同时通过软网状簇表示确保了正确性。

ABSTRACT

Phylogenetic trees are widely used to display estimates of how groups of species evolved. Each phylogenetic tree can be seen as a collection of clusters, subgroups of the species that evolved from a common ancestor. When phylogenetic trees are obtained for several data sets (e.g. for different genes), then their clusters are often contradicting. Consequently, the set of all clusters of such a data set cannot be combined into a single phylogenetic tree. Phylogenetic networks are a generalization of phylogenetic trees that can be used to display more complex evolutionary histories, including reticulate events such as hybridizations, recombinations and horizontal gene transfers. Here we present the new CASS algorithm that can combine any set of clusters into a phylogenetic network. We show that the networks constructed by CASS are usually simpler than networks constructed by other available methods. Moreover, we show that CASS is guaranteed to produce a network with at most two reticulations per biconnected component, whenever such a network exists. We have implemented CASS and integrated it in the freely available Dendroscope software.

研究动机与目标

• 解决将多棵系统发育树中的冲突簇整合为单一、具有生物学意义的网络的挑战。
• 与现有方法相比，减少系统发育网络中的网状分支数量，提升网络的简洁性与可解释性。
• 开发一种算法，当存在每个双连通分量中至多两个网状分支的解时，保证网状分支数量最优或接近最优。
• 提供一种实用、高效且可实现的解决方案，并集成至Dendroscope软件中，用于系统发育网络分析。

提出的方法

• Cass通过递归探索网状分支的可能位置，构建系统发育网络，以在软网状意义上表示所有输入簇。
• 采用深度受限的搜索策略，将每个双连通分量中的最大网状分支数固定，以控制复杂度。
• 检查所有边与物种的组合以插入网状分支，确保在所有可能的软网状树情景下均能表示所有簇。
• 应用拓扑变换（如边插入和网状分支重定位）以简化网络，同时保持簇的表示不变。
• Cass采用剪枝策略，移除虚拟叶并收缩边，以在不改变所表示簇集合的前提下保持最小结构。
• 该方法已实现在Dendroscope软件中，支持对生成网络的交互式可视化与分析。

实验结果

研究问题

• RQ1 是否能够构建出网状分支少于现有方法的系统发育网络，同时仍能表示所有输入簇？
• RQ2 当存在每个双连通分量中至多两个网状分支的网络时，是否能够保证其高效被找到？
• RQ3 与其它处理冲突簇的网络构建方法相比，Cass算法在复杂度和准确性方面表现如何？
• RQ4 在软网状簇表示下，构建最小网状分支网络的计算复杂度是多少？
• RQ5 该算法是否能够处理任意簇集合，同时生成既具有生物学合理性又拓扑简洁的网络？

主要发现

• 当存在此类网络时，Cass可保证生成的网络中每个双连通分量至多包含两个网状分支。
• 对于固定的k，该算法的时间复杂度为O(|X|^{3k+2} · |C|)，其中k为每个双连通分量中的最大网状分支数。
• Cass通过系统性地探索边插入与网状分支位置，能够构建出在软网状意义上表示所有输入簇的网络。
• 对于某些簇集合，Cass生成的网络网状分支数显著少于类囊网网络（galled networks），后者可能需要多达r个网状分支，而Cass仅需两个。
• 该算法已集成至Dendroscope软件中，支持对生成的系统发育网络进行交互式探索与可视化。
• 理论分析证明，Cass通过考虑所有可能的软网状树情景（通过边切换），正确处理了所有簇表示。