[论文解读] The mean value of the squared path-difference distance for rooted phylogenetic trees

Arnau Mir, Francesc Rosselló|ArXiv.org|Jun 13, 2009

Evolution and Paleontology Studies参考文献 12被引用 3

一句话总结

本文在均匀分布下计算了具有 $n$ 片叶的两棵完全解析的有根系统发育树之间的均方路径差异距离，推导出一个随 $O(n^3)$ 增长的精确公式。关键结果表明，该均值等于具有 $n+1$ 片叶的无根树的对应值，揭示了有根树与无根树度量之间深刻的组合关系。

ABSTRACT

The path-difference metric is one of the oldest distances for the comparison of fully resolved phylogenetic trees, but its statistical properties are still quite unknown. In this paper we compute the mean value of the square of the path-difference metric between two fully resolved rooted phylogenetic trees with $n$ leaves, under the uniform distribution. This complements previous work by Steel and Penny, who computed this mean value for fully resolved unrooted phylogenetic trees.

研究动机与目标

• 确定路径差异度量在有根系统发育树中的统计性质，尽管该度量长期被使用，但其统计特性仍知之甚少。
• 计算在 $n$ 片叶下，两棵均匀随机的完全解析有根树之间平方路径差异距离的期望值。
• 建立有根树与无根树度量之间的定量关系，特别是从均方路径差异的角度。
• 为评估树相似性提供基准，使研究人员能够判断观察到的树差异是否具有统计显著性。

提出的方法

• 作者使用组合计数技术，计算所有有根树对之间平方路径差异的总和。
• 他们推导出 $S_n^{(1)} = \sum_{T \in \mathcal{T}_n} d_T(1,2)$ 和 $S_n^{(2)} = \sum_{T \in \mathcal{T}_n} d_T(1,2)^2$ 的闭式表达式，分别表示路径长度的一阶和二阶矩。
• 该方法依赖于超几何级数和已知的组合恒等式，特别是涉及双阶乘和中心二项式系数的恒等式。
• 推导过程利用了 $\mathcal{T}_n$（即具有 $n$ 片叶的完全解析有根树集合）上的对称性与均匀分布。
• 通过结合一阶与二阶矩并利用已知恒等式进行化简，最终推导出均方路径差异距离的公式。
• 作者使用斯特林近似分析渐近行为，表明该均值随 $O(n^3)$ 增长。

实验结果

研究问题

• RQ1 两棵均匀随机的完全解析有根系统发育树（具有 $n$ 片叶）之间平方路径差异距离的期望值是多少？
• RQ2 有根树的均方路径差异距离与相同或不同规模的无根树相比如何？
• RQ3 考虑到根的非对称角色引入的复杂性，能否为有根情况下的均方路径差异度量推导出闭式表达式？
• RQ4 随着 $n$ 增大，均方路径差异距离的渐近增长速率是多少？

主要发现

• 具有 $n$ 片叶的有根树的均方路径差异距离为 $2\binom{n}{2}\left(4(n-1)+2 - \frac{2^{2(n-1)}}{\binom{2(n-1)}{n-1}} - \left(\frac{2^{2(n-1)}}{\binom{2(n-1)}{n-1}}\right)^2\right)$。
• 该值渐近增长为 $O(n^3)$，与无根树情况的渐近行为一致。
• 具有 $n$ 片叶的有根树的均方路径差异距离等于具有 $n+1$ 片叶的无根树的对应值。
• 有根树中两片随机叶之间路径长度的均值为 $\frac{2^{2(n-1)}}{\binom{2(n-1)}{n-1}}$，该值与具有 $n-1$ 片叶的无根树情况一致。
• 所推导的公式为评估树相似性提供了统计基线，使研究人员能够检验观察到的差异是否具有显著性。
• 该结果证实了有根树与无根树度量之间存在深刻的组合联系，尽管尚无直接的结构解释。