[论文解读] Quartet-Based Inference Methods are Statistically Consistent Under the Unified Duplication-Loss-Coalescence Model

Alexey Markin, Oliver Eulenstein|arXiv (Cornell University)|Apr 8, 2020

Genomics and Phylogenetic Studies参考文献 15被引用 4

一句话总结

本文证明了 ASTRAL-one —— 一种基于四重奏的物种树推断方法 —— 在统一的基因复制-丢失-共alescence（DLCoal）模型下具有统计一致性，该模型整合了基因复制、丢失和不完全谱系分选。通过分析基于四重奏的基因树概率并利用分歧场景，作者表明：从基因树中随机选取的一个四重奏，比其余两个可能的四重奏更可能与物种树四重奏匹配，从而为 ASTRAL 在复杂进化情景下的经验稳健性提供了理论依据。

ABSTRACT

The classic multispecies coalescent (MSC) model provides the means for theoretical justification of incomplete lineage sorting-aware species tree inference methods. A large body of work in phylogenetics is dedicated to the design of inference methods that are statistically consistent under MSC. One of such particularly popular methods is ASTRAL, a quartet-based species tree inference method. A few recent studies suggested that ASTRAL also performs well when given multi-locus gene trees in simulation studies. Further, Legried et al. recently demonstrated that ASTRAL is statistically consistent under the gene duplication and loss model (GDL). Note that GDL is prevalent in evolutionary histories and is a part of the powerful duplication-loss-coalescence evolutionary model (DLCoal) by Rasmussen and Kellis. In this work we prove that ASTRAL is statistically consistent under the general DLCoal model. Therefore, our result supports the empirical evidence from the simulation-based studies. More broadly, we prove that a randomly chosen quartet from a gene tree (with unique taxa) is more likely to agree with the respective species tree quartet than any of the two other quartets.

研究动机与目标

• 在整合了基因复制、丢失和不完全谱系分选的统一 DLCoal 模型下，建立 ASTRAL-one 的理论统计一致性。
• 填补 ASTRAL 在多基因数据中面对复杂进化事件时表现出强大经验性能的理论解释空白。
• 将先前在 MSC 和 GDL 模型下关于统计一致性的结果，扩展至更全面的 DLCoal 框架。
• 证明在 DLCoal 框架下，与物种树一致的四重奏在概率上占优势，即使基因树因多种进化过程而产生不一致。

提出的方法

• 推导在有界多物种共alescence 模型下基因树的概率，重点关注四重奏拓扑结构。
• 基于复制-丢失情景（如 (a,b,c)、(ab,c) 等）系统划分概率空间，以分析谱系共alescence 模式。
• 应用全概率公式，计算所有分歧情景下的边际四重奏概率。
• 利用对称性和随机优势论证，比较不同四重奏拓扑结构的概率。
• 利用 Legried 等人关于 GDL 一致性的既有结果，并将其扩展至完整的 DLCoal 模型。
• 采用数学不等式与引理（如引理 5、6、7）证明：在所有情景下，P[ab|cd ∈ G] ≥ P[ac|bd ∈ G]。

实验结果

研究问题

• RQ1 ASTRAL-one 在整合了复制、丢失和不完全谱系分选的完整 DLCoal 模型下是否具有统计一致性？
• RQ2 在 DLCoal 框架下，从基因树中随机选取的四重奏，其与物种树四重奏匹配的概率是否高于其余两个可能四重奏中的任意一个？
• RQ3 当基因树在同时包含 GDL 和共alescence 过程的模型下生成时，是否能形式化证明 ASTRAL-one 的统计一致性？
• RQ4 不同的复制-丢失配置如何影响四重奏与物种树一致的概率？
• RQ5 ASTRAL-one 在四重奏一致性方面的理论优势是否在平衡与鸟羽状（caterpillar）物种树拓扑结构中均成立？

主要发现

• ASTRAL-one 在统一的 DLCoal 模型下具有统计一致性，即随着基因树数量的增加，其物种树估计值会收敛到真实物种树。
• 对于任意物种树四重奏，从基因树中随机选取的四重奏，其与物种树四重奏匹配的概率高于其余两个可能四重奏中的任意一个。
• 在所有 DLCoal 情景下，P[ab|cd ∈ G] ≥ P[ac|bd ∈ G]，且在至少一种情况下（例如当基因树显示 ab|cd 时）为严格不等式，确保对正确四重奏的随机偏好。
• 该证明对平衡与鸟羽状物种树拓扑结构均成立，证实了其在不同树形下的稳健性。
• 该结果为 ASTRAL 在包含复制、丢失和不完全谱系分选的模拟研究中表现出的强经验性能提供了理论验证。
• 分析确认了 ASTRAL 的核心原则——优先选择与物种树一致的四重奏——即使在最全面的基因树演化模型下依然成立。