[论文解读] Tropical Geometry of Phylogenetic Tree Space: A Statistical Perspective

Anthea Monod, Bo Lin+2 more|arXiv (Cornell University)|May 31, 2018

Morphological variations and asymmetry参考文献 83被引用 21

一句话总结

本文提出了一种基于热带几何的系统发育树空间框架，利用射影环面上的热带度量，实现明确定义的统计分析。该方法在模拟数据和真实世界季节性流感数据分析中，均展现出优于标准BHV树空间的计算效率和性能，且支持有效的概率统计与推断统计。

ABSTRACT

Phylogenetic trees are the fundamental mathematical representation of evolutionary processes in biology. They are also objects of interest in pure mathematics, such as algebraic geometry and combinatorics, due to their discrete geometry. Although they are important data structures, they face the significant challenge that sets of trees form a non-Euclidean phylogenetic tree space, which means that standard computational and statistical methods cannot be directly applied. In this work, we explore the statistical feasibility of a pure mathematical representation of the set of all phylogenetic trees based on tropical geometry for both descriptive and inferential statistics, and unsupervised and supervised machine learning. Our exploration is both theoretical and practical. We show that the tropical geometric phylogenetic tree space endowed with a generalized Hilbert projective metric exhibits analytic, geometric, and topological properties that are desirable for theoretical studies in probability and statistics and allow for well-defined questions to be posed. We illustrate the statistical feasibility of the tropical geometric perspective for phylogenetic trees with an example of both a descriptive and inferential statistical task. Moreover, this approach exhibits increased computational efficiency and statistical performance over the current state-of-the-art, which we illustrate with a real data example on seasonal influenza. Our results demonstrate the viability of the tropical geometric setting for parametric statistical and probabilistic studies of sets of phylogenetic trees.

研究动机与目标

• 为解决标准统计方法在非欧几里得系统发育树空间中的局限性，提出一种基于热带几何的替代方案。
• 建立一个数学上行为良好的度量空间——棕榈树空间，配备广义希尔伯特射影度量，以确保统计可行性。
• 证明热带几何在系统发育树集合的描述性与推断性统计中具有实际可行性。
• 在计算效率与统计性能方面，将该热带方法与既有的BHV树空间进行比较。
• 为未来基于热带几何的系统发育树参数统计研究奠定基础。

提出的方法

• 本文将棕榈树空间定义为热带射影环面 R^n / R1 的子空间，并赋予广义希尔伯特射影度量，称为热带度量。
• 证明该度量空间满足概率与统计分析所需的几何、拓扑与分析性质，包括完备性与测地线结构。
• 作者在热带度量空间中应用经典统计技术——主成分分析（PCA）与线性判别分析（LDA），以分析树数据。
• 通过在模拟数据与真实季节性流感序列上进行数值实验，与BHV空间的性能进行比较。
• 证明该热带度量在商空间上表现良好，避免了早期群商构造中常见的伪度量问题。
• 该方法利用已知的热带代数几何结果，并将其适配于树空间的统计推断。

实验结果

研究问题

• RQ1 热带几何能否为系统发育树提供一个明确定义的度量空间，以支持有效的统计推断？
• RQ2 在计算效率与统计性能方面，热带度量空间与BHV树空间相比如何？
• RQ3 主成分分析（PCA）与线性判别分析（LDA）等经典统计技术在热带几何设定下，能在多大程度上被有意义地应用？
• RQ4 在真实世界系统发育数据分析中，该热带方法是否能产生比当前最先进方法更准确或更高效的成果？
• RQ5 支撑统计建模的热带树空间具有哪些理论性质——包括几何、拓扑与分析性质？

主要发现

• 棕榈树空间上的热带度量在商空间上明确定义且行为良好，避免了早期群商构造中常见的伪度量问题。
• 该空间展现出理想的分析、几何与拓扑性质，使其适用于概率与统计推断。
• 在真实季节性流感数据应用中，热带几何方法相比BHV空间表现出更高的计算效率。
• 该方法在PCA与LDA任务中均展现出更优的统计性能，优于BHV空间在相同数据上的表现。
• 棕榈树空间中测地线的非唯一性并不妨碍其进行有效的统计分析，因其仍支持有意义的聚类与推断。
• 本研究为未来参数统计方法奠定了基础，包括热带弗雷歇均值的构建以及树空间上显式参数概率分布的开发。