[论文解读] Resampling Residuals on Phylogenetic Trees: Extended Results

Peter J. Waddell, Ariful Azad+1 more|arXiv (Cornell University)|Dec 29, 2010

Gene expression and cancer classification参考文献 12被引用 6

一句话总结

本文通过调整模型复杂度下的几何平均标准差并推广权重函数，扩展了用于评估系统发育树拟合度的残差重采样方法。基于Ross等人（2000年）的基因表达数据，结果表明普通最小二乘法（OLS）优于邻接法（Neighbor Joining）和BME方法，残差重采样证实了癌细胞系中存在显著的树状结构，模拟结果也显示OLS在模型数据和真实世界数据中对BME类方法均表现出更强的鲁棒性。

ABSTRACT

In this article the results of Waddell and Azad (2009) are extended. In particular, the geometric percentage mean standard deviation measure of the fit of distances to a phylogenetic tree is adjusted for the number of parameters fitted to the model. The formulae are also presented in their general form for any weight that is a function of the distance. The cell line gene expression data set of Ross et al. (2000) is reanalyzed. It is shown that ordinary least squares (OLS) is a much better fit to the data than a Neighbor Joining or BME tree. Residual resampling shows that cancer cell lines do indeed fit a tree fairly well and that the tree does have strong internal structure. Simulations show that least squares tree building methods, including OLS, are strong competitors with BME type methods for fitting model data, while real world examples often suggest the same conclusion.

研究动机与目标

• 通过调整拟合参数数量对几何平均百分比标准差的修正，以改进系统发育树拟合度的评估。
• 将残差重采样框架推广至任意依赖于进化距离的权重函数。
• 利用先进的基于残差的树拟合度度量方法，重新评估Ross等人（2000年）的细胞系基因表达数据集。
• 比较OLS、BME和邻接法在拟合真实生物数据与模拟模型数据方面的性能表现。
• 通过残差重采样技术验证癌细胞系中强内部树结构的存在性。

提出的方法

• 将几何平均百分比标准差（gPMSD）度量方法改进，以考虑拟合参数的数量，从而提升模型拟合度评估的准确性。
• 推导出适用于任意依赖于进化距离的权重函数的残差重采样通用公式。
• 将残差重采样应用于Ross等人（2000年）的基因表达数据集，以评估树的拟合度与内部结构。
• 通过模拟实验，在模型数据条件下比较OLS、BME与邻接法的性能。
• 采用自举残差重采样方法，检验树拓扑结构与内部结构的统计显著性与鲁棒性。
• 在模拟数据与真实世界数据中比较OLS与BME类方法，以评估其相对性能与可靠性。

实验结果

研究问题

• RQ1 如何通过调整模型复杂度对几何平均百分比标准差进行修正，以改善系统发育树的拟合度评估？
• RQ2 残差重采样框架是否可推广至系统发育树分析中任意距离加权函数？
• RQ3 普通最小二乘法（OLS）是否在拟合Ross等人（2000年）的细胞系基因表达数据方面优于邻接法或BME方法？
• RQ4 残差重采样在多大程度上证实了癌细胞系系统发育树中存在强内部结构？
• RQ5 OLS与BME类方法在拟合模拟模型数据与真实生物数据方面表现如何比较？

主要发现

• 残差分析表明，OLS在拟合Ross等人（2000年）的基因表达数据方面显著优于邻接法或BME方法。
• 残差重采样证实癌细胞系表现出强内部系统发育结构，支持基于树的表示方法的有效性。
• 模拟结果表明，最小二乘法（包括OLS）在拟合模型数据时具有强鲁棒性，是BME类方法的有力竞争者。
• 经调整的几何平均百分比标准差度量能有效考虑模型复杂度，从而提升拟合度评估的准确性。
• 真实世界数据的分析一致表明，在基因表达数据背景下，OLS作为拟合方法优于BME与邻接法。
• 残差重采样中权重函数的推广，使得该方法可灵活应用于多种系统发育距离模型。