[论文解读] The effect of non-reversibility on inferring rooted phylogenies

Svetlana Cherlin, Tom M. W. Nye+4 more|arXiv (Cornell University)|May 29, 2015

Genomics and Phylogenetic Studies参考文献 37被引用 4

一句话总结

本文提出了两种贝叶斯层次模型，通过放松系统发育替换模型中的可逆性假设，实现直接从序列数据中推断根位置。通过使用结构化的非可逆分量扰动可逆的GTR矩阵，模型使似然函数依赖于根的位置，成功在模拟数据和真实数据中恢复了已知的根位置，包括多倍体酵母辐射和具有争议性的核糖体生命之树。

ABSTRACT

Most phylogenetic models assume that the evolutionary process is stationary and reversible. As a result, the root of the tree cannot be inferred as part of the analysis because the likelihood of the data does not depend on the position of the root. Yet defining the root of a phylogenetic tree is a key component of phylogenetic inference because it provides a point of reference for polarising ancestor/descendant relationships and therefore interpreting the tree. In this paper we investigate the effect of relaxing the reversibility assumption and allowing the position of the root to be another unknown in the model. We propose two hierarchical models that are centred on a reversible model but perturbed to allow non-reversibility. The models differ in the degree of structure imposed on the perturbations. The analysis is performed in the Bayesian framework using Markov chain Monte Carlo methods. We illustrate the performance of the two non-reversible models in analyses of simulated data sets using two types of topological priors. We then apply the models to a real biological data set, the radiation of polyploid yeasts, for which there is a robust biological opinion about the root position. Finally we apply the models to a second biological data set for which the rooted tree is controversial: the ribosomal tree of life. We compare the two non-reversible models and conclude that both are useful in inferring the position of the root from real biological data sets.

研究动机与目标

• 为解决标准系统发育模型的局限性，这些模型假设平稳性和可逆性，因此无法仅通过似然函数推断根位置。
• 开发一种基于模型的系统发育树根位置推断方法，无需依赖外群，避免长枝吸引伪影。
• 探究非可逆替换模型是否能改善在根位置不确定或存在争议的真实生物数据集中根位置的推断。
• 比较两种具有不同扰动结构的层次化非可逆模型在恢复已知或生物学上支持的根位置方面的性能。

提出的方法

• 提出两种基于可逆HKY85或GTR基础模型的层次模型，通过扰动实现非可逆性。
• 采用两阶段扰动：首先在GTR矩阵的切空间中使用正交基向量生成可逆但非HKY85的GTR矩阵。
• 通过独立的正态变量施加第二阶段扰动，打破可逆性，生成非可逆的替换率矩阵。
• 采用贝叶斯框架结合MCMC抽样，估计根树拓扑结构和根位置的后验分布。
• 对组成向量施加先验分布，以在不同分支间共享信息，减少过度参数化。
• 将模型应用于具有两种拓扑先验的模拟数据集，以及两个真实生物数据集：多倍体酵母和核糖体生命之树。

实验结果

研究问题

• RQ1 与标准可逆模型相比，非可逆替换模型是否能提高系统发育树根位置推断的准确性？
• RQ2 对非可逆性扰动的结构假设不同，如何影响在模拟和真实数据中根位置推断的性能？
• RQ3 基于模型的根位置推断是否能优于传统外群根定位方法，尤其是在易受长枝吸引影响的情况下？
• RQ4 在替换模型中引入非可逆性是否能提高真实数据集中根位置推断与生物学支持根位置的一致性？
• RQ5 在表示根位置后验分布时，不同汇总统计量（如多数规则一致树与后验众数）的比较结果如何？

主要发现

• 两种非可逆模型在多倍体酵母辐射中成功推断出正确的根位置，该案例具有强烈的生物学共识。
• 在核糖体生命之树中，两种模型均支持与当前生物学假说一致的根位置，尽管文献中存在争议。
• 模型表明，非可逆性可显著改变似然函数表面，且其变化依赖于根的位置，从而实现基于模型的根定位。
• 扰动结构影响模型性能，更具结构化的非可逆性可带来更稳定和准确的推断结果。
• 后验汇总统计量如多数规则一致树与根分裂的后验众数可能不同，凸显了选择合适点估计的重要性。
• 基于MCMC抽样的贝叶斯框架能够稳健估计根位置的不确定性，并为推断的根位置提供强有力的支持。