[论文解读] Recovering the tree-like trend of evolution despite extensive lateral genetic transfer: A probabilistic analysis

Sébastien Roch, Sagi Snir|arXiv (Cornell University)|Jun 15, 2012

Genomics and Phylogenetic Studies参考文献 39被引用 4

一句话总结

本文通过概率分析表明，即使每个基因树存在近乎线性数量的横向基因转移（LGT）事件，仍可使用基于四重聚类聚合与中位数距离估计的稳健且计算高效的算法，准确重建物种树。关键结果是：在基因树拓扑结构和距离已知或可通过足够长的序列长度可靠估计的前提下，即使LGT频率较高，树状进化信号依然可被恢复。

ABSTRACT

Lateral gene transfer (LGT) is a common mechanism of non-vertical evolution where genetic material is transferred between two more or less distantly related organisms. It is particularly common in bacteria where it contributes to adaptive evolution with important medical implications. In evolutionary studies, LGT has been shown to create widespread discordance between gene trees as genomes become mosaics of gene histories. In particular, the Tree of Life has been questioned as an appropriate representation of bacterial evolutionary history. Nevertheless a common hypothesis is that prokaryotic evolution is primarily tree-like, but that the underlying trend is obscured by LGT. Extensive empirical work has sought to extract a common tree-like signal from conflicting gene trees. Here we give a probabilistic perspective on the problem of recovering the tree-like trend despite LGT. Under a model of randomly distributed LGT, we show that the species phylogeny can be reconstructed even in the presence of surprisingly many (almost linear number of) LGT events per gene tree. Our results, which are optimal up to logarithmic factors, are based on the analysis of a robust, computationally efficient reconstruction method and provides insight into the design of such methods. Finally we show that our results have implications for the discovery of highways of gene sharing.

研究动机与目标

• 确定横向基因转移（LGT）的最高可容忍速率，超过该速率后树状进化信号将不可逆地被掩盖。
• 评估在广泛LGT存在下，基于距离与基于四重聚类的系统发育重建方法的有效性。
• 为设计能够从冲突基因树中提取底层物种树的稳健且计算高效的算法提供理论基础。
• 研究基因树分支长度假设与序列长度对重建准确性的影响。
• 探讨‘基因共享高速公路’——特定类群间偏好性LGT——的潜在影响。

提出的方法

• 采用物种系统发育树上分布的随机LGT事件的随机模型，其速率受参数Λ的约束。
• 使用基于中位数的重建算法（MT），通过聚合不同基因的四重聚类拓扑结构与进化距离来推断物种树。
• 应用浓度不等式与概率分析，证明在高概率下，基因树距离的中位数仍能反映真实物种距离，即使存在LGT。
• 通过分析在Yule模型与有限速率模型下物种树中路径的权重，来限制LGT对距离估计的影响。
• 通过在GTR模型下建模序列演化，并使用log-det距离估计进化距离，来考虑序列长度要求。
• 运用概率与随机过程的理论工具，包括极值理论（用于最小分支长度）与浓度不等式（用于距离估计）。

实验结果

研究问题

• RQ1 每个基因树中可容忍的最大横向基因转移事件数是多少，仍能保证物种系统发育树的准确重建？
• RQ2 当LGT事件在物种树上随机分布时，是否能通过一种简单且计算高效的算法恢复物种树？
• RQ3 基因数量与序列长度如何影响在高LGT速率下物种树重建的准确性？
• RQ4 ‘基因共享高速公路’——特定类群间偏好性LGT——在多大程度上影响物种树的可恢复性？
• RQ5 即使转移事件数量接近分支数的线性数量级，原核生物进化中的树状信号是否仍对LGT具有鲁棒性？

主要发现

• 在Yule模型与有限速率物种树模型下，即使每个基因树的LGT事件数高达Ω(n)，物种系统发育树仍可高概率地被重建。
• 只要基因数量为n的多项式函数，且序列长度也为n的多项式函数，基因树进化距离的中位数即集中在真实物种距离附近。
• 该方法可在近乎线性数量的LGT事件下实现重建，超过目前已知的原核生物LGT频率的实证估计值。
• 对可容忍LGT的理论边界紧致至对数因子，表明该方法近乎最优。
• 物种树中最短分支长度通常为1/poly(n)，在GTR模型下，序列长度只要多项式地随n增长，即可实现准确的距离估计。
• 若将LGT限制在亲缘关系较近的物种之间，将显著提升树重建的可行性，表明局部转移事件对系统发育重建的破坏性小于随机的全球性转移。