更多的分类群不一定更有利于祖先特征状态的重建

密集分类单元抽样下TKF91模型中祖先DNA序列的统计一致性和计算高效推断

Statistically consistent and computationally efficient inference of ancestral DNA sequences in the TKF91 model under dense taxon sampling

在进化生物学中，生物体的物种形成历史是用一个物种发生图来表示的，也就是说，一棵有根的树，它的叶子对应着现在的物种，而分支则表示过去的物种形成事件。系统发育通常是从分子序列，如DNA序列，从感兴趣的物种收集估计。从更高的层面上讲，这个推论背后的想法很简单：两个物种在生命之树中的距离越远，它们的基因组中自最近的共同祖先以来积累的突变数量就越多。为了在系统发育分析中获得准确的估计，标准做法是采用基于树上序列进化的随机模型的统计方法。为了便于处理，这些模型必须对所涉及的进化机制做出简化的假设。特别是，通常省略的是核苷酸的插入和缺失-也称为插入缺失。在统计系统发育分析中正确解释插入缺失仍然是计算进化生物学的一个主要挑战。在这里，我们考虑的问题，重建祖先序列上的一个已知的同源性在一个模型的序列进化，将核苷酸取代，插入和删除，特别是经典的TKF 91过程。我们专注于有界的高度，我们称之为分类丰富的设置，在统计一致性是可以实现的密集adenogenies的情况下。我们给出了第一个多项式时间的祖先重建算法，在恒定的变异率下具有可证明的保证。我们的算法成功时，遗传满足“大爆炸”的条件，在这种情况下，统计一致性的充分必要条件。