[论文解读] Sparsification of Phylogenetic Covariance Matrices of k-Regular Trees

Svihla, Sean, Lladser, Manuel E.|arXiv (Cornell University)|Feb 10, 2023

Stochastic processes and statistical mechanics被引用 2

一句话总结

本文分析了临界 beta-分裂随机树模型，这是一种连续时间的随机二叉树过程，其中分裂概率与 1/(i(n−i)) 成正比，且在速率 hm−1 下呈指数分布的停留时间。通过递归不等式和拉普拉斯变换方法，推导出叶节点时间高度 Dn 和边高度 Ln 的精确渐近表达式，证明了中心极限定理（CLT），并确立了 Dn/log n 和 Ln/log²n 依概率收敛于常数。其主要贡献在于通过新颖的递归技术，对模型的高度与相关性特性进行了严格的渐近分析。

ABSTRACT

Consider a tree T = (V,E) with root ∘ and an edge length function 𝓁:E → ℝ_+. The phylogenetic covariance matrix of T is the matrix C with rows and columns indexed by L, the leaf set of T, with entries C(i,j): = ∑_{e ∈ [i∧ j,o]}𝓁(e), for each i,j ∈ L. Recent work [Gorman & Lladser 2023] has shown that the phylogenetic covariance matrix of a large but random binary tree T is significantly sparsified, with overwhelmingly high probability, under a change-of-basis to the so-called Haar-like wavelets of T. Notably, this finding enables manipulating the spectrum of covariance matrices of large binary trees without the necessity to store them in computer memory but instead performing two post-order traversals of the tree [Gorman & Lladser 2023]. Building on the methods of the aforesaid paper, this manuscript further advances their sparsification result to encompass the broader class of k-regular trees, for any given k ≥ 2. This extension is achieved by refining existing asymptotic formulas for the mean and variance of the internal path length of random k-regular trees, utilizing hypergeometric function properties and identities.

研究动机与目标

• 分析临界 beta-分裂随机树模型，一种分裂概率与 1/(i(m−i)) 成正比的非标准随机树过程。
• 推导均匀随机叶节点的时间高度 Dn 和边高度 Ln 的前两阶矩的精确渐近表达式。
• 建立 Dn 和 Ln 的中心极限定理（CLT），并证明归一化高度统计量的依概率收敛性。
• 研究两个独立选取的随机叶节点高度之间的相关性，以及树中子树大小的分布。
• 开发一种基于递归不等式与拉普拉斯变换的新方法，以界定该模型中出现的求和型递推关系的解。

提出的方法

• 将树建模为连续时间过程，其中 m 个叶节点以速率 hm−1（即第 (m−1) 个调和数）发生分裂。
• 定义 Dn 为均匀随机叶节点的时间高度（出现时间），Ln 为其边高度（路径上的分裂次数）。
• 使用递归不等式来界定 E[Dn]、var(Dn)、E[Ln] 和 var(Ln) 的显式解所满足的求和型递推关系。
• 应用拉普拉斯变换分析递推解的生成函数，避免依赖特征函数。
• 通过构造满足递归不等式的辅助序列，证明矩的上下界匹配。
• 通过 E[Xn(t)]（即具有 t 个叶节点的子树的期望数量）的递推关系分析子树大小的分布，并证明其收敛至极限分布。

实验结果

研究问题

• RQ1 在临界 beta-分裂树中，均匀随机叶节点的时间高度 Dn 的均值与方差的精确渐近表达式是什么？
• RQ2 边高度 Ln 的极限分布是什么？它是否满足中心极限定理？
• RQ3 两个独立选取的随机叶节点高度之间的相关性如何？当 n → ∞ 时，相关性是否趋于零？
• RQ4 均匀随机子树的大小分布的极限分布是什么？此类子树的渐近均值大小是多少？
• RQ5 Dn/log n 和 Ln/log²n 是否依概率收敛于常数？最大高度的尾部界限是什么？

主要发现

• E[Dn] = ζ(2)⁻¹ log n + c₀ − ½ζ(2) n⁻¹ + O(n⁻²)，其中 c₀ 为数值估计值，且 var(Dn) = 2ζ(3)/ζ³(2) log n + O(1)。
• E[Ln] = ½ζ(2)⁻¹ log²n + (γζ(2) + ζ(3))/ζ²(2) log n + O(1)，且 var(Ln) = 2ζ(3)/(3ζ³(2)) log³n + O(1)。
• Dn/log n 和 Ln/log²n 依概率收敛于常数，且尾部界限满足 P(Dn ≥ (2+ε) log n) ≤ n⁻ρε 和 P(Ln ≥ (1+ε)β log²n) ≤ exp(−Θ(ε log n))。
• 两个随机叶节点时间高度之间的相关系数 rn 满足 rn = O(log⁻¹n)，意味着渐近不相关。
• 均匀随机子树的大小分布收敛至一个合适的极限分布 {u(t)}t≥1，其期望大小渐近等价于 3/(2π²) log²n。
• Dn 和 Ln 均满足中心极限定理：经中心化与标准化后，它们依分布收敛于标准正态随机变量。