[论文解读] Species Tree Estimation Using ASTRAL: Practical Considerations

Siavash Mirarab|arXiv (Cornell University)|Apr 8, 2019

Genetic diversity and population structure参考文献 97被引用 44

一句话总结

本章回顾在 MSC 模型下使用 ASTRAL 进行物种树估计的实际应用，详细描述算法基础、准确性、可扩展性、输入准备、输出以及后续分析。

ABSTRACT

ASTRAL is a method for reconstructing species trees after inferring a set of gene trees and is increasingly used in phylogenomic analyses. It is statistically consistent under the multi-species coalescent model, is scalable, and has shown high accuracy in simulated and empirical studies. This chapter discusses practical considerations in using ASTRAL, starting with a review of published results and pointing to the strengths and weaknesses of species tree estimation using ASTRAL. It then continues to detail the best ways to prepare input gene trees, interpret ASTRAL outputs, and perform follow-up analyses.

研究动机与目标

• 概述使用基于 MSC 的物种树估计的动机，以及 ASTRAL 作为可扩展汇总方法的作用。
• 解释 ASTRAL 的主要算法思想，包括四分点（quartet）基于优化和有约束的 MQSST。
• 讨论输入基因树如何影响准确性，并提供输入准备和收缩低支持分支的最佳实践。
• 描述解读 ASTRAL 输出和进行后续分析的实际注意事项。
• 重点介绍运行时特征、扩展（如 ASTRAL-MP），以及在每个物种包含多个个体时的考虑因素。

提出的方法

• 将 MQSST 优化表述为最大化与基因树共享的 quartet 拓扑（MQSST）。
• 使用有约束的动态规划方法，在预定义的可允许二分区集合 X 下高效求解 MQSST。
• 计算三分区 P 的 quartet 连接权重 w(P)，并利用基于多树结构的数据结构高效评估 I(j,i)。
• 通过扩展的物种树扩展到每个物种的多个个体，并相应调整边界条件和分区集合 X。
• 在基因树不完整或多叉分枝时，对分区集合 X 进行启发式扩展，确保增长保持可控（O(D(nk)^{1.726})）。
• 提供输入准备的指南，包括收缩低支持分支以及考虑基因树推断方法（ML、贝叶斯）及其对 ASTRAL 结果的影响。

实验结果

研究问题

• RQ1 ASTRAL 如何在 MSC 模型下利用 quartet 信息从基因树估计物种树？
• RQ2 受限 MQSST 的计算含义是什么，以及 DP 如何随数据规模和基因树不一致性扩展？
• RQ3 实践者应如何准备和整理基因树以在真实数据集中最大化 ASTRAL 的准确性？
• RQ4 在 ASTRAL 估计中包含每个物种的多个个体的实际影响是什么？
• RQ5 不同的输入不确定性（基因树估计、缺失数据、水平基因转移）如何影响 ASTRAL 的一致性与准确性？

主要发现

• 当输入基因树来自真实物种树上的 MSC 时，ASTRAL 在 MSC 模型下具有统计一致性。
• 在预定义二分区集合下的受限 MQSST 实现了可扩展优化，并在 MSC 下保持一致性。
• 关键计算简化为通过对三分区的权重 w(P) 和聚类上的动态规划，高效计算基因树与物种树共享的 quartet 拓扑。
• 可以通过调整边界条件和重新定义的 X 集来容纳每个物种的多个个体，从而实现最优的扩展物种树。
• 输入质量显著影响准确性；收缩低支持分支（例如 BS < 5-20%）可显著提高准确性，而过度收缩可能损害性能。
• ASTRAL-III 在输入决定下实现实际运行时间 O(D(nk)^{1.726})；ASTRAL-MP 在大型数据集上显著加速分析（在某些情形下高达 150 倍加速）。
• 与拼接法和其他汇总方法相比，ASTRAL 在高 ILS 和中等基因树误差下通常具有稳健的准确性，性能随数据特征而异。