Species tree estimation under joint modeling of coalescence and duplication: sample complexity of quartet methods
我们认为物种树估计下的标准随机模型的基因树进化,包括不完整的谱系排序(建模的聚结过程)和基因复制和损失(建模的分支过程)。通过对模型的概率分析,我们推导出了广泛使用的基于四分位数的推理方法的样本复杂性界限,该方法突出了亚临界和超临界状态下的重复和丢失率的影响。
2020-07-13 math.PR math.ST q-bio.PE
From gene trees to species trees II: Species tree inference in the deep coalescence model
当基因拷贝从不同的物种中取样时,产生的基因树可能与包含的物种树不一致。基因树和物种树不协调的主要原因包括谱系排序、水平基因转移、基因复制和丢失。这些事件中的每一个产生不同的简约标准推断(包含)的物种树基因树。对于谱系排序,物种树推理是找到最小化必须沿着物种谱系共存的额外基因谱系的树;对于基因复制,它变成找到最小化基因复制和/或丢失的树。在本文中,我们证明了以下结果:(i)深度聚结成本等于基因丢失的数量减去2倍的基因复制成本在一个唯一的叶子标记的基因树和一个物种树的和解。对于任意的基因树和物种树,可以在线性时间内计算深度合并成本。(ii)在任意基因树与物种树的协调中,深度聚结的代价总是不小于基因复制的代价。(iii)通过最小化深层聚结的物种树推理是NP难的。
2010-03-05 q-bio.PE q-bio.QM
Identifying the Rooted Species Tree from the Distribution of Unrooted Gene Trees under the Coalescent
基因树是代表从多个种群中取样的基因的祖先的进化树。物种树代表个体的种群--每个个体都有许多基因--分裂成新的种群或物种。聚结过程,它模拟种群内基因拷贝的祖先,经常被用来模拟给定一个固定物种树的基因树的概率分布。这个多物种结合模型提供了一个框架,遗传学家推断物种树的基因树,使用最大似然或贝叶斯方法。因为合并模型是一个随时间变化的分支过程,所以所有的树通常都被假定为在这个设置中扎根。然而,传统的系统发育方法推断的基因树往往是无根的。我们研究了多物种联合模型下无根基因树的概率。我们发现,当有4个物种,每个物种的一个基因采样,无根基因树拓扑结构的分布确定无根物种树拓扑结构和一些,但不是全部,在物种树的边缘(分支长度)的信息。在这种情况下,根在物种树上的位置是不可识别的。然而,对于5个或更多的物种,每个物种的一个基因采样,我们表明,无根基因树拓扑结构的分布确定了根物种树拓扑结构和所有的内部分支长度。对于任何一个物种,如果从其上取样了一个以上的基因,则该物种树中通向一片叶子的任何悬垂枝的长度也是可以识别的。
2010-07-29 q-bio.PE
The distributions under two species-tree models of the number of root ancestral configurations for matching gene trees and species trees
对于由基因树和物种树组成的一对,物种树内部节点处的祖先构型是可以存在于该节点处的基因谱系的不同集合。祖先配置出现在进化模型下的基因树概率的计算条件下固定的物种树,和根祖先配置的枚举-祖先配置在根的物种树-协助描述这些计算的复杂性。在基因树与物种树拓扑结构匹配的情况下,研究了随机标记树拓扑结构在两种模型下的根祖先构型数的分布。
2020-06-16 math.CO q-bio.PE
Long-branch attraction in species tree estimation: inconsistency of partitioned likelihood and topology-based summary methods
随着测序技术的进步,现在有来自所有生命的大量基因组数据,从而有可能构建一个强大的生命之树。然而,“基因树异质性”,即不同的基因组区域可以不同地进化,是多位点数据集中的常见现象,并且降低了不考虑这种异质性的物种树估计的标准方法的准确性。已经开发了用于物种树估计的新方法,其专门解决基因树异质性,并且已经证明当基因座的数量和每个基因座的位点的数量都增加时(即,这些方法被称为“统计上一致的”)。然而,很少有人知道的生物现实条件下,每个位点的数量是有界的。我们表明,当每个位点的序列长度是有界的(由任何任意选择的值),最常见的方法物种树估计,考虑异质性(即,传统的完全分区的级联最大似然法和通过组合基因树来估计物种树的称为汇总法的较新方法)在统计上是不一致的,即使在异质性受到极大限制时也是如此。主要的挑战是存在的条件,如长分支的吸引力,创建有偏的树估计时,网站的数量是有限的。因此,我们的研究揭示了一个根本的挑战,树种树估计使用传统和新的方法。
2018-03-07 cs.CE math.PR math.ST
On the number of ranked species trees producing anomalous ranked gene trees
以物种树为条件的概率分布分析表明,存在异常排序基因树(ARGT),排序基因树比符合排序物种树的排序基因树更有可能。在这里,为了提高ARGT的表征,我们研究了两类排名标记的物种树的枚举和概率特性,重点是与ARGT的生产相关的某些子树模式的存在或避免。我们提供了精确的枚举和渐近估计的基数,这些树的集合,表明,随着物种的数量增加,没有约束,所有排名标记的物种树,ARGT生产方法的分数1。这一结果超出了早期存在的结果,提供了一个概率索赔的频率ARGT。
2014-07-10 q-bio.PE
Efficient Bayesian species tree inference under the multi-species coalescent
提出了一种利用多种群聚并模型进行种群发生贝叶斯推断的方法。为了提高马尔可夫链蒙特卡罗(MCMC)算法,遍历物种树的空间的混合属性,我们实现了两个有效的MCMC建议:第一个是基于子树修剪和重嫁接(SPR)算法,第二个是基于一种新的节点滑块算法。与我们之前实现的最近邻交换(NNI)算法一样,这两种算法都对物种树提出了更改,同时在多个遗传位点上改变基因树,以自动避免与新提出的物种树发生冲突。该方法集成了基因树,自然地考虑到基因树拓扑结构和分支长度的不确定性给定的序列数据。进行了模拟研究,以检查新方法的统计特性。我们发现,它具有良好的统计性能,推断正确的物种树与近的确定性时,分析10个位点。物种树的先验有一定的影响,特别是对少数位点。重新分析了经验数据集(响尾蛇)。虽然18个核基因座和一个线粒体基因座支持在很大程度上一致的物种树下的多物种结合模型参数估计表明核和线粒体基因座之间的演化动力学有很大的不同。
2015-12-11 q-bio.PE
Properties of Consensus Methods for Inferring Species Trees from Gene Trees
共识方法提供了一个有用的策略,从基因树的集合的信息相结合。一致性方法的一个重要应用是结合基因树来估计物种树。为了研究根据基本进化模型从大量基因座进化中获得的共识树的理论性质,我们从独立基因树构建共识树,这些独立基因树与来自溯祖理论的基因树概率成比例。我们认为多数规则,根三元组(R*),和贪婪的共识树构建从已知的基因树,无论是在渐近的情况下,基因树的数量接近无穷大和有限数量的基因。我们的研究结果表明,对于某些组合的物种树分支长度,增加独立位点的数量可以使多数规则的共识树更有可能是至少部分未解决的和贪婪的共识树不太可能匹配的物种树。然而,当基因树的数量接近无穷大时,R* 共有树具有物种树拓扑的概率接近1。虽然当增加基因树的数量时,贪婪共识算法可以最快地收敛到正确的物种树上,但它也可能是积极的误导。多数规则一致树不是物种树拓扑的误导性估计,R* 一致树是物种树拓扑的统计一致估计。因此,我们的研究结果提出了一种使用多个位点来推断物种树拓扑结构的方法,即使它与最有可能的基因树不一致。
2008-02-17 q-bio.PE
Inferring Species Trees Directly from Biallelic Genetic Markers: Bypassing Gene Trees in a Full Coalescent Analysis
多物种的结合提供了一个优雅的理论框架,估计物种树和物种的人口统计学遗传标记。然而,多物种合并模型的实际应用受到限制,需要对每个遗传标记可能的所有基因树进行整合或采样。在这里,我们描述了一个多项式时间算法,计算一个物种树的可能性直接从标记下的有限位点突变模型,有效地整合所有可能的基因树。该方法适用于独立的(非连锁的)双等位基因标记,如间隔良好的单核苷酸多态性(SNP),我们已经实现了SNAPP,马尔可夫链蒙特卡洛采样器推断物种树,分歧日期,和人口规模。我们报告的结果,从模拟实验和1997年扩增片段长度多态性(AFLP)位点的分析,在69个个体从6个物种的{ \em Ourisia}(新西兰本地毛地黄)。
2011-09-16 q-bio.PE
The inference of gene trees with species trees
分子遗传学主要集中在改进基于序列比对的基因树重建模型上。然而,大多数遗传学家试图揭示物种的历史。虽然基因和物种的历史紧密相连,但它们很少是相同的,因为基因复制,丢失或水平转移,因为等位基因可以在种群中共存,可能跨越几个物种形成事件。因此,建立描述基因树和物种树之间关系的模型可以在物种树已知时改进基因树的重建,反之亦然。已经提出了几种方法来解决这个问题的一个方向或其他,但在一般情况下,既不基因树,也不物种树是已知的。只有少数研究试图联合推断基因树和物种树。在这篇文章中,我们回顾了各种模型,已被用来描述基因树和物种树之间的关系。这些模型解释了基因复制和丢失、转移或不完整的谱系分选。他们中的一些人认为几种类型的事件在一起,但目前还没有一个认为,沿着物种树产生基因树的过程的全部剧目。模拟以及基因组数据的实证研究表明,基因树物种树模型与序列进化模型相结合,提高了基因树重建。反过来,这些更好的基因树为研究基因组进化或重建祖先染色体和祖先基因序列提供了更好的基础。我们预测,基因树物种树的方法,可以处理基因组数据集将有助于推进我们对基因组进化的理解。
2013-11-04 q-bio.PE
Mycorrhizal association of common European tree species shapes biomass and metabolic activity of bacterial and fungal communities in soil
近年来的研究揭示了不同树种对土壤理化性质的影响。然而,各种树种对土壤微生物群组成和活性的影响以及相关的控制措施仍然知之甚少。我们评估了与两种不同的菌根类型,外生菌根(EcM)和丛枝菌根(AM),生长,生物量和代谢活性的土壤真菌和细菌群落的影响,在丹麦各地使用常见的园林树种实验。不同的土壤微生物群落之间的6个欧洲树种,以及EcM(山毛榉,石灰,橡树和云杉)和AM(灰和枫树)树种。EcM树种具有较高的真菌生物量、真菌生长量和细菌生物量,而AM树种具有较高的细菌生长量。结果表明,微生物群落的组成和功能不同的树种具有不同的凋落物质量,产生土壤C/N比和土壤pH值的差异。菌根协会只能部分解释凋落物质量和土壤微生物物种的差异,因为石灰是更相似的AM树种。此外,我们的研究结果表明,树种介导的土壤pH值和C/N比是最重要的变量塑造微生物群落的细菌和真菌的生长速率的负面影响的积极影响。结果表明,树种介导的微生物群落组成和活性可能是以前在AM和EcM树种中观察到的不同垂直土壤C分布的重要驱动因素。
2020-11-25 q-bio.PE
Measuring Impact of Climate Change on Tree Species: analysis of JSDM on FIA data
受气候变化影响的第一批生物之一是树木,它是我们最重要的资源之一。在这项研究中,树种的相互作用和气候在不同的生态环境中的反应,观察应用联合物种分布模型在美国不同的生态领域。联合物种分布模型有助于了解物种间的关系和物种对环境的反应。气候对树种的影响是通过一个地区的物种丰富度来衡量的。我们比较了模型在所有生态领域的表现,并研究了气候变量的敏感性。有了丰富度的预测,可以预测未来的树种种群,并衡量气候变化对树木种群的影响。
2019-10-11 q-bio.PE
A polynomial time algorithm for calculating the probability of a ranked gene tree given a species tree
在本文中,我们提供了一个多项式时间的算法来计算的概率{ \it排名}基因树拓扑结构的一个给定的物种树,其中排名树拓扑结构是一个树拓扑结构的内部顶点是有序的。因此,如果内部顶点的排序数是多项式数,则可以在多项式时间内计算基因树拓扑的概率。然而,对于给定的物种树,计算具有指数数量的排名的基因树拓扑的概率的复杂性仍然未知。
2012-03-01 q-bio.PE
Effects of discordance between species and gene trees on phylogenetic diversity conservation
系统发育多样性指数,如公平比例(FP)指数经常被讨论作为生物多样性保护的优先标准。它们根据物种对总体多样性的贡献对物种进行排名,同时考虑到每个物种在基本系统发育树中的位置所表明的独特和共同的进化历史。传统上,系统发育树是从单个基因推断的,并且所得到的基因树被假定为物种树的有效估计,即,被研究物种的“真实”进化史。然而,如今,通常对数百或数千个基因的整个基因组进行测序,并且通常情况下,在整个基因组中的不同基因中存在相互冲突的系谱历史,导致个体基因树和物种树之间的不一致。在这里,我们分析了基因和物种树不一致的优先级决定的基础上FP指数的影响。特别是,我们认为诱导的分类群的排序顺序(i)FP指数的物种树,和(ii)预期FP指数在所有基因树的历史与物种树。一方面,我们表明,对于特定的树的形状,这两个排名总是一致的。另一方面,我们表明,对于所有的叶数大于或等于5,有两个排名不同的树种树。最后,我们说明了在不同的基因树和物种树估计的经验多位点哺乳动物数据集的FP指数获得的排名的变化。
2022-09-01 q-bio.PE
Hybrid-Lambda: simulation of multiple merger and Kingman gene genealogies in species networks and species trees
Hybrid-Lambda是一个软件包,它模拟了物种网络或物种树中Kingman或两个Lambda合并过程下的基因树。它是用C++编写的,并在GNU通用公共许可证(GPL)第3版下发布.用户可以根据本许可证的条款修改和制作新的文件。有关此许可证的详细信息,请访问http://www.gnu.org/licenses/。Hybrid Lambda可在https://code.google.com/p/hybrid-lambda上获得。
2013-03-04 q-bio.PE
Note on expected internode distances for gene trees in species trees
在最近的一篇关于“Estimating Species Trees from Unrooted Gene Trees”的论文中,Liu和Yu观察到,基础分类单元集上的距离矩阵(由多物种合并下基因树上的预期节间距离建立)是树状的,并且基础加性树具有与真实物种树相同的拓扑结构。因此,他们建议使用(观察到的)基因树上的平均节间距离作为邻居连接算法的输入,以统计上一致的方式估计潜在的物种树。本文对他们的上述观察给出了严格的证明。
2011-08-25 q-bio.GN q-bio.PE
Species tree estimation using Neighbor Joining
最近的理论工作表明,应用相邻连接的DNA序列是一个统计上一致的物种树重建方法。这篇简短的笔记将这种方法的准确性与其他流行的统计一致的物种树重建算法进行了比较,包括使用平均基因树节点间距离(NJst)和SVD-Quartets+PAUP* 的ASTRAL-II邻居连接,以及使用最大似然(RaxML)的连接。我们发现,更快的邻居加入,适用于级联序列,是这些方法中最有效的准确的物种树重建。
2016-12-06 q-bio.PE
Enumeration of ancestral configurations for matching gene trees and species trees
给定一个基因树和一个物种树,祖先构型代表了可以到达物种树的给定节点的基因谱系的组合上不同的集合。它们已被引入作为一种数据结构中使用的递归计算的条件概率下的多物种合并模型的基因树拓扑结构给定的物种树,这种计算的成本受到的祖先配置的基因树的物种树的数量。对于匹配基因树和物种树,我们得到了祖先配置的枚举结果。我们研究祖先的配置在平衡和不平衡的家庭的树木由一个给定的种子树,表明,种子树与一个以上的分类群,祖先的配置数量增加,为两个家庭指数的分类群$n$。对于固定的$n$,最大数量的祖先配置列表中的物种树根节点和最大数量的标记的历史可能为一个标记的拓扑发生的树完全相同的未标记的形状。对于根处的祖先构型,最大值随着$k_0^n$而增加,其中$k_0 \approx 1.5028$是二次递归常数。在给定大小的标记树集合上均匀分布的情况下,根祖先构型的平均数随着$\sqrt{3/2}(4/3)^n$而增长,方差大约随着$1.4048(1.8215)^n$而增长。这些结果为基因树和物种树的组合研究提供了参考。
2016-10-24 q-bio.PE
An Arrow-type result for inferring a species tree from gene trees
从大量相互冲突的基因树中重建一个集中趋势的“物种树”是系统生物学中的一个中心问题。此外,当分类群覆盖不均匀时,这变得特别成问题,因此并非所有分类群都存在于每个基因树中。在这里,我们列出了四个理想的属性,从基因树估计一个物种树的方法应该有。我们表明,虽然这些可以实现时,分类单位的覆盖是完整的(亚当斯共识的方法),他们不能都满足在更一般的设置部分分类单位覆盖。
2013-07-19 q-bio.PE
Axiomatic opportunities and obstacles for inferring a species tree from gene trees
从大量相互冲突的基因树中重建一个集中趋势的“物种树”是系统生物学中的一个中心问题。此外,当分类群覆盖不均匀时,这变得特别成问题,因此并非所有分类群都存在于每个基因树中。在这里,我们列出了从基因树估计物种树的方法可能具有的四个明显理想的属性(最强的属性指出,从输入基因树构建物种树,然后修剪叶子,得到的树与首先从输入树中删除分类群然后构建物种树得到的树相同,或者更清晰)。我们表明,虽然它在技术上是可能的,同时满足这些属性时,分类覆盖是完整的,他们不能都满足更一般的超树设置。在第二部分中,我们讨论了一个基于一致性的共识方法的基础上鲍姆的“多元化集群”,并扩展到一致性超树。
2014-05-24 q-bio.PE
Species Tree Estimation Using ASTRAL: Practical Considerations
ASTRAL是一种在推断一组基因树后重建物种树的方法,并且越来越多地用于植物基因组分析。它是统计上一致的多物种聚结模型下,是可扩展的,并在模拟和实证研究中表现出较高的准确性。本章讨论了实际的考虑,在使用ASTRAL,开始发表的结果进行审查,并指出使用ASTRAL的树种估计的优点和缺点。然后,它继续详细说明准备输入基因树,解释ASTRAL输出和执行后续分析的最佳方法。
2019-10-16 q-bio.PE
Species Trees Forcing Parsimony to Fail
已知的事实是,吝啬法有时会失败的问题上推断物种树的基因树,在这里,我们证明了,不管什么拓扑结构的真正的9-taxon和更大的物种树是唯一需要打破吝啬是在这个物种树有三个连续的内边缘不通过根,但可能结束于它的长度T1,T2,T3的一些比例。显然,满足这些长度的概率一般随着物种树的大小而增加。因此,只有在树中不能满足所描述的边的长度时,才可以应用简约法。
2019-08-10 q-bio.PE
Roadblocked monotonic paths and the enumeration of coalescent histories for non-matching caterpillar gene trees and species trees
给定基因树拓扑和物种树拓扑,合并历史表示基因树合并的列表到那些合并发生的物种树的关联分支的可能映射。结合历史的枚举特性在分析基因树和物种树之间的关系中一直很有意义。最简单的枚举结果确定了一个匹配的毛虫基因树和物种树的结合历史之间的双射,单调路径不穿过正方形网格的对角线,建立了$n$分类群匹配毛虫树($n \geqslant 2$)的结合历史的相关数量是加泰罗尼亚数$C_{n-1} = \frac{1}{n} {2n-2 \choose n-1}$。在这里,我们表明,一个类似的双射适用于\emph{non-matching}毛虫,连接的非匹配的毛虫基因树和物种树的一类\emph{roadblocked}单调路径的合并历史。结果提供了一个简化的算法,枚举合并的历史,在非匹配的毛毛虫的情况下。它能够快速证明已知的结果,即给定毛毛虫物种树,没有非匹配的毛毛虫基因树具有超过匹配基因树的合并历史的数量。合并的历史上的其他结果可以通过允许的路障单调路径和戴克路径之间的双射。我们研究了非匹配的毛虫基因树,不同的物种树的最近邻交换和子树修剪和嫁接移动的合并历史的数量,其特征在于非匹配的毛虫与最大数量的合并历史。我们讨论了基因树和物种树的组合学的研究结果的影响。
2019-01-14 q-bio.PE
Coalescent-based species tree estimation: a stochastic Farris transform
Rice University(莱斯大学);Massachusetts Institute of Technology(麻省理工学院);University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
从基因组数据重建物种进化史面临两个重大障碍:1)描述每个个体基因进化的树-即,基因树可能与物种的亲缘关系不同,以及2)对应于每个基因的分子序列通常提供关于基因树本身的有限信息。在本文中,我们考虑一种方法来解决这两个障碍的物种树重建。具体来说,我们提出了一个算法下的多物种合并模型的网站替代的标准模型的生育重建。多物种合并通常被用来模拟基因树不一致,由于不完整的谱系排序,一个良好的研究群体遗传效应。在以前的工作中,在这种情况下,推导出一个信息理论的权衡基因座的数量,$m$,需要一个准确的重建和基因座序列的长度,$k$。结果表明,要重建长度为$f$的内部分支,需要$m$的数量级为$1/[f^{2} \sqrt{k}]$。先前的结果是在分子钟假设下获得的,即,假设突变率(以及种群规模)在整个物种进化过程中是恒定的。在这里,我们推广这个结果超出了限制性的分子钟假设,并获得一个新的重建算法,具有相同的数据要求(对数因子)。我们的主要贡献是一个新的减少下的多物种结合的分子钟的情况下。作为一个推论,我们还获得了一个新的可识别性结果的独立利益:任何物种树与$n \geq 3$的物种,生根的物种树可以确定其无根加权基因树的分布,即使在没有一个分子钟。
2017-07-13 cs.LG math.PR math.ST
Large-scale Species Tree Estimation
物种树估计是一个复杂的问题,因为基因组的不同部分可能具有与基因组本身不同的进化历史。这种不一致的原因之一是不完整的谱系排序(也称为深度聚结),这是一个种群水平的过程,产生不同于物种树的基因树。在过去的十年中,已经开发了大量的新方法来从多位点数据集估计物种树,特别是解决基因树异质性的原因。在本文中,我们回顾了这些方法,主要集中在与包含大量物种或基因座(或两者)的数据集的分析有关的问题。我们还讨论了使物种树估计方法在大型数据集上运行的分治策略,包括基于不相交树合并问题的算法(如TreeMerge)的新方法。
2019-04-06 q-bio.PE
Reconciliation of Gene and Species Trees With Polytomies
动机:现代物种中数以百万计的基因只属于数千个“基因家族”。基因家族包括不同物种中相同基因(直系同源物)和相同物种中重复基因(旁系同源物)的实例。基因在进化过程中获得和丢失。随着测序技术的进步,研究人员能够研究基因复制和丢失在适应性进化中的重要作用。由于基因进化的复杂性,同源基因的鉴定是比较基因组学中一项基本而又困难的工作。这项任务的一个关键方法是使用一个明确的模型来研究基因的进化历史,称为基因(家族)树。它将基因树与基因所在物种的进化历史进行比较,称为物种树,使用称为树和解的程序。二进制基因和特定树是简单的。然而,基因树和物种树在实践中可能是非二进制的,因此树和解提出了具有挑战性的问题。在这里,非二进制基因和物种树和解研究在一个二进制的细化模型。结果:证明了任意基因树和物种树的协调问题是NP-难的,即使考虑复制成本也是如此。然后,我们提出了第一个有效的方法来调和非二元基因树和非二元物种树。它试图找到给定的基因和物种树的二进制优化,使协调成本最小化。我们的算法已被实现到一个软件中,以支持快速自动分析大型数据集。可用性:该程序及其源代码可在其在线服务器http://phylotoo.appspot.com上获得。
2012-05-03 q-bio.PE
Determining species tree topologies from clade probabilities under the coalescent
从基因树的集合估计物种树的一种方法是首先从基因树估计进化枝的概率,然后从估计的进化枝概率构建物种树。虽然一个贪婪的共识算法,它连续接受最可能的分支与以前接受的分支兼容,可以用于此第二阶段,这种方法是已知的统计不一致的多物种合并模型下。这就提出了一个问题,即理论上是否有可能从基因树上已知的分支概率重建物种树。我们调查分支的概率所产生的多物种合并模型,着眼于识别功能的物种树。基因树上的分支与概率大于1/3的物种树上的分支,而那些较小的概率可能不会反映。分支概率的线性不变量进行了研究计算和理论上,与某些线性不变量的物种树的分支结构的洞察。对于具有一般边长度的物种树,这些不变量可以用来识别物种树拓扑。这些理论结果都证实,分支概率包含的物种树的拓扑结构的全部信息,并建议未来的研究方向发展统计一致的推理方法,从基因树上的分支频率。
2011-03-02 math.AG q-bio.PE
Species notions that combine phylogenetic trees and phenotypic partitions
最近的一篇论文(Manceau和Lambert,2016)开发了一种新的方法,用于描述基于系统发育树和表型划分的两个定义明确的“物种”概念。在本文中,我们探讨了这种方法的一些进一步的组合特性,并描述了一个扩展,允许任意数量的表型分区相结合的系统发育树,这两个物种的概念。
2017-11-22 q-bio.PE
Split probabilities and species tree inference under the multispecies coalescent model
使用基因树的拓扑摘要作为物种树推断的基础是一种很有前途的方法,以获得可接受的速度在基因组规模的数据集,并避免一些不期望的建模假设。在这里,我们研究的概率分裂的基因树下的多物种联合模型,以及它们的功能可能会通知物种树推理。在研究了分裂共识方法的行为之后,我们研究了分裂不变量-也就是分裂概率之间的多项式关系。这些不变量,然后使用表明,即使分裂是一个无根的概念,分裂概率保留足够的信息,以确定根物种树拓扑结构的树木超过5个类群,一个可能的6个类群例外。
2017-04-13 q-bio.PE
Computing the probability of gene trees concordant with the species tree in the multispecies coalescent
多物种合并的过程模型的系谱关系的基因从几个物种中采样,使有用的预测现象,如不一致的基因树和物种之间的亲缘关系,由于不完整的谱系排序。相反,大量基因树的知识可以告诉我们物种进化的几个方面,例如它的拓扑结构和祖先种群的大小。在这种情况下,一个基本的开放问题是如何有效地计算基因树拓扑结构的概率,给定的物种遗传。虽然已经提出了一些算法来完成这项任务,但它们要么产生近似的结果,要么当它们是精确的时,它们不能扩展到大数据集。在本文中,我们提出了一些进展,准确和有效的计算概率的基因树拓扑结构。我们提供了一个新的算法,给定一个物种树和每个物种的基因采样数,计算的概率,基因树拓扑结构将是一致的物种树。此外,我们提供了一个算法,计算任何特定的基因树拓扑结构与物种树一致的概率。这两种算法都在多项式时间内运行,并已在Python中实现。实验表明,他们能够在几分钟到几小时内分析数千个基因样本的数据集。
2020-12-09 cs.DS q-bio.PE
Distributions of topological tree metrics between a species tree and a gene tree
为了对给定的一组系统发育基因树进行统计分析,我们经常使用两棵树之间的距离度量。在基于统计距离的基因树不一致性分析方法中,确定“生物学上有意义的”和“统计上均匀分布的”树间距离是一个关键。因此,本文研究了两棵树之间的三个树距离度量:边差、路径差和精确的$K$间隔共物种形成距离的分布:首先,我们研究了两棵随机无根树之间的三个树距离的分布,这三个树距离是由$n$叶子组成的($n \geq 4$);在此基础上,我们重点研究了在聚合过程中,具有$n$叶片的固定根物种树和具有$n$叶片的随机基因树之间的三个树距离的分布根据树种树。我们展示了一些理论结果,以及模拟研究这些分布。
2016-02-04 q-bio.PE
Coalescent histories for lodgepole species trees
合并历史是一种组合结构,它描述了一个给定的基因树和物种树的可能列表的分支上的基因树合并发生。基因树和物种树的合并历史的数量的属性影响数学遗传学中的各种概率计算。然而,精确和渐近评估的合并历史的数量,是已知的,只有在有限的情况下。在这里,我们介绍了一个特殊的家庭的物种树,\emph{lodgepole}物种树$(λ_n)_{n\geq 0}$,其中树$λ_n$有$m=2n+1$类群。我们确定的合并历史的lodgepole种树的数量,在这种情况下,基因树匹配的种树,显示这个数字的增长与$m!!$的类群$m$的数量。这个计算表明,存在的树家庭中的合并历史的数量的增长速度比指数。此外,对于具有$m$分类群的树,它提供了对匹配合并历史的最大数目与匹配合并历史的最小数目的比率的下限的实质性改进,将$(\sqrtπ / 32)[(5m-12)/(4m-6)] m \sqrt{m}$的先前界限增加到$[ \sqrt{m-1}/(4 \sqrt{e}) ]^{m}$。我们讨论了我们的系统发育计算的枚举结果的影响。
2015-03-12 math.CO q-bio.PE
Species tree inference from genomic sequences using the log-det distance
在简单的非混合序列进化模型下,引入了两个比对DNA序列之间的log-det距离作为基因树统计一致性推断的工具。在这里,我们证明了对数-det距离,再加上一个基于距离的树的构建方法,也允许一致的推断物种树的混合物模型适合对齐的基因组规模的序列数据。数据可能包括来自许多遗传基因座的位点,这些位点由于超度量物种树上的不完整谱系排序而在不同的基因树上进化,具有不同的时间可逆替换过程。基于距离的推理的简单性和速度表明基于log-det的方法应该作为判断更精细和计算密集型物种树推理方法的基准。
2018-06-13 q-bio.PE
Identifying a species tree subject to random lateral gene transfer
从基因树推断物种树的一个主要问题是,进化过程有时会有利于基因树拓扑结构与底层物种树冲突。在不完全谱系排序的情况下,这种现象最近得到了很好的研究,并且已经提出了一些用于物种树重建的优雅解决方案。一个特别简单的和统计上一致的估计的物种树下不完全谱系排序是结合三个分类群的分析,这是不完全谱系排序的遗传鲁棒。在本文中,我们考虑这种方法是否也将在横向基因转移(LGT)。通过对该模型的一些实例进行分析,我们发现在LGT下基于三元组的物种树重构存在一个不一致区域。然而,基于三元组的方法将在LGT模型下一致地重建物种树,前提是LGT转移的预期数量不太高。我们的分析涉及到一个新的LGT问题和随机游走循环图之间的连接。我们已经实现了一个程序,重建树LGT或谱系排序的设置分类覆盖可能是补丁,并说明其使用两个样本数据集。
2012-11-30 q-bio.PE
From event labeled gene trees to species trees
背景:树木和解问题在系统发育学中早已被研究。基因树T和物种树S的协调问题的一个特殊变体假设对于T的每个内部顶点x,x表示物种形成还是复制是已知的。这个问题出现在分析orthology数据的上下文中。结果如下:我们表明,S是一个物种树T的当且仅当S显示所有的根三元组的T,有三个不同的物种作为他们的叶子,并植根于一个物种形成的顶点。然后可以在多项式时间内找到有效的协调映射。模拟数据表明,事件标记的基因树传达了大量的信息,对潜在的物种树,即使是很大比例的损失。结论:基因树中的事件标签的知识强烈地约束可能的物种树,并且对于给定的物种树,也约束可能的调和图。然而,在可行的解决方案空间中仍然存在许多自由度。为了消除替代解决方案的歧义,可以采用附加的外部约束以及优化标准。
2017-05-10 cs.DM q-bio.PE
Testing for polytomies in phylogenetic species trees using quartet frequencies
系统发生物种树典型地将物种形成历史表示为分叉树。同时产生两个以上后代的物种形成事件是可能的,从而在同源性中产生多分裂。此外,无法解决关系往往表现为(软)多分割。这两种类型的polytomies传统上研究的背景下,从序列数据的基因树重建。然而,如果不考虑基因树的不一致性,就不能检测或排除物种树中的多分裂现象。在本文中,我们描述了一个统计测试的基础上的多物种合并模型的属性来测试零假设,估计的物种树中的分支应该被替换为一个多分割。在模拟数据集和生物数据集上,我们表明,除了最短的分支外,零假设都被拒绝,并且在大多数情况下,它保留了真正的多分支。该测试作为ASTRAL软件包的一部分,可以帮助系统学家决定他们的数据集是否足以解决特定的关系。
2018-02-07 q-bio.PE
The effect of gene flow on coalescent-based species-tree inference
大多数目前的方法推断物种水平下的结合模型假设,没有基因流发生后的物种。虽然一些研究已经研究了基因流对某些方法的估计准确性的影响,但已经进行了有限的分析工作来直接评估基因流在物种遗传学中的潜在影响。在本文中,我们考虑了一个三分类群隔离与迁移模型,允许姐妹分类群之间的基因流在一个短暂的时期后形成,以及整个树的有效种群大小的变化。在此模型下,我们推导了三种基因树拓扑结构的概率,并表明,对于基因流和有效种群大小参数的某些选择,异常基因树(即,与物种树不一致但比与物种树一致的基因树具有更高概率的基因树)存在。我们的参数空间的区域产生异常树的特征,并表明,与物种树是一致的基因树的概率可以是任意小的。然后,我们表明,SVDQuartets方法在理论上是有效的姐妹类群之间的基因流模型。我们研究了它的性能模拟数据,并将其与其他两种常用的物种树推理方法,ASTRAL和MP-EST进行比较。模拟结果表明,ASTRAL和MP-EST可以是统计不一致的基因流时,而SVDQuartets表现良好,虽然大样本量可能需要某些参数的选择。
2017-10-10 q-bio.PE
Estimating Species Trees from Quartet Gene Tree Distributions under the Coalescent Model
在这篇文章中,我们提出了一个新的方法,我们命名为“四重邻连接”,或“四重NJ”,推断一个无根的物种树在一个给定的一组分类群T的经验分布的四重基因树的所有四个分类群子集。特别地,四分NJ可以用于从T上的基因树的分布估计T上的物种树。四-NJ算法在概念上非常类似于经典的邻居加入,并且其在多物种合并模型下的统计一致性由经典的“樱桃采摘”定理的变体证明。为了证明四分之一-NJ的适用性,在两个不同物种的树木(分别在五个)上的聚结过程。9个分类群),并将四分NJ应用于模拟的基因树分布。此外,quartet-NJ应用于从9种原核生物的28种蛋白质的多个序列比对获得的四重分布。
2011-08-08 q-bio.GN q-bio.PE
Modeling trait-dependent evolution on a random species tree
了解二元性状的进化仍然具有挑战性,二元性状会影响物种的出生和生存以及分子进化的速度。一个典型的例子是植物物种交配系统的进化。在这项工作中,我们提出了一个概率建模框架的二进制性状,随机物种树,其中的物种数量和它们的性状表示的两种类型,连续时间马尔可夫分支过程。我们发展我们的模型,考虑交配系统的影响dN/dS,非同义同义的同义替换的比例。介绍了一种方法,使我们能够匹配模型参数与参数估计从系统发育树数据。从模型中得到的属性被应用到异交和自交种树在天竺葵科和茄科。这使得我们不仅可以研究分支树率,而且可以研究突变率和选择强度。
2017-04-01 math.PR q-bio.PE
Exact reconciliation of undated trees
和解方法旨在恢复宏观进化事件,并在本地化他们在物种历史上,通过观察基因家族树和物种树之间的差异。在这篇文章中,我们介绍了一个NP-hard的问题,计算一个最简约的时间一致的和解的基因树与物种树时,没有关于物种形成的日期信息的一个线性规划(ILP)的方法。建立在DTL模型基础上的ILP公式,在物种树的节点的所有可能的日期范围内返回一个最简约的和解。通过研究其性能上的合理的模拟数据,我们得出结论,ILP方法是显着快于蛮力搜索通过空间的所有可能的物种树测年。虽然ILP制定目前仅限于小树,我们认为,这是一个重要的概念验证,打开了大门的可能性,开发一个精确的,基于简约的方法来约会物种树。该软件(ILPEACE)可免费下载。
2014-10-26 q-bio.PE
Non-hereditary Minimum Deep Coalescence trees
系统发育研究的目标之一是找到描述一组物种进化历史的物种树。但是,借助树推理方法从基因数据导出的树是基因树,不需要与物种树相一致。例如,当所谓的深度聚结事件发生时,可能会发生这种情况。也知道物种树可能与它们最可能的基因树不同。因此,作为找到物种树的一种手段,有人建议使用基因树的子树,例如三元组,并将它们拼在一起以找到物种树。在本文中,我们将表明,这种方法可能会导致错误的树的最小深度聚结标准(MDC)。特别是,我们提出了一个例子,其中最佳的MDC树是唯一的,但它的三元组子树满足MDC标准。从这个意义上说,MDC是一种非遗传的树重建方法。
2015-07-26 math.CO q-bio.PE
Inferring Species Trees from Incongruent Multi-Copy Gene Trees Using the Robinson-Foulds Distance
提出了一种从多拷贝基因树中推断物种树的新方法。我们的方法是基于Robinson-Foulds(RF)距离到多标记树(mul-trees)的推广,即,基因树,其中多个叶子可以具有相同的标签。与大多数使用基因树的系统发育方法不同,该方法不假设基因树不一致是由单一的特定生物过程引起的,例如基因复制和丢失,深度合并或横向基因转移。我们证明了计算两棵多树之间的RF距离是NP难的,但计算一棵多树和一棵单标号树之间的广义RF距离是容易的。出于这一观察,我们制定了RF超树问题的多树(MulRF),它需要一个集合的多树,并构建一个物种树,最大限度地减少总的RF距离输入多树。我们提出了一个快速的启发式算法的MulRF超树问题。模拟实验表明,MulRF方法产生更准确的物种树比基因树简约方法时,不一致性所造成的基因树错误,重复和损失,和/或横向基因转移。此外,MulRF启发式算法在包含数百棵树的数据集上运行得很快,这些树具有多达一百个分类群。
2012-10-09 cs.DS q-bio.PE
Enumeration of coalescent histories for caterpillar species trees and $p$-pseudocaterpillar gene trees
对于一个固定的集合$X$包含$n$分类标签,一个有序对组成的基因树拓扑$G$和物种树$S$双射标记的标签$X$拥有一组合并的历史-映射从一组内部节点的$G$的$S$的一组边描述可能的列表中的边在$G$的合并发生。基因树和物种树的合并历史的枚举产生了关于对$(G,S)$的暗示性结果,对于固定的$n$,具有最大数量的合并历史。我们定义了一类2樱桃二叉树拓扑,我们长期$p$ -pseudocaterpillars,检查合并历史的非匹配对$(G,S)$,在这种情况下,$S$具有毛虫形状和$G$具有$p$ -pseudocaterpillars形状。使用一个建设,关联的合并历史$(G,S)$与一类“路障”单调路径,我们确定的$p$ -pseudocultural标记的基因树拓扑结构,对于一个固定的毛虫标记的物种树拓扑结构,产生最大数量的合并历史。最大化聚结历史数量的形状将$p$ -拟毛虫的“第二个”樱桃与“第一个”樱桃的根和树根等距离地放置。$p$ -pseudocultural基因树和毛虫物种树的合并历史的数量的对称性被认为存在于参数$p$的最大值周围。结果提供了深入了解的因素,影响的数量可能为一个给定的基因树和物种树的合并历史。
2021-03-24 math.CO q-bio.PE
Consistency and convergence rate of phylogenetic inference via regularization
在生物遗传学中,通常有一些关于一组生物体的整体进化树的信息,也许是部分信息,并希望为这些生物体找到一个特定基因的进化树。仅在基因序列中可能没有足够的信息来准确地重建正确的“基因树”。虽然基因树可能会由于各种遗传过程而偏离“物种树”,但在缺乏相反证据的情况下,假设它们是一致的是很吝啬的。在这些情况下,一个常见的统计方法是制定一个可能性惩罚,以纳入这些额外的信息。最近的研究使用模拟和经验数据表明,可能性惩罚量化与物种树的一致性可以显着提高基因树重建的准确性相比,单独使用序列数据。然而,这种方法的一致性尚未建立,也没有收敛速度的限制。由于遗传学是一个非标准推理问题,标准理论并不适用。在本文中,我们提出了一个惩罚的最大似然估计基因树重建,其中的惩罚是从基因树的物种树的Billera-Holmes-Vogtmann测地线距离的平方。我们证明了这种方法是一致的,并推导出其收敛速度估计的离散基因树结构和连续的边缘长度(代表的进化量,已发生在该分支)同时。我们发现,正则化估计是“自适应快速收敛”,这意味着它可以重建所有的边缘长度大于任何给定的阈值从基因序列的多项式长度。我们的方法不需要物种树是确切知道的,事实上,我们的渐近理论适用于任何这样的指导树。
2018-01-06 math.ST q-bio.PE stat.TH
Bayesian Weighted Triplet and Quartet Methods for Species Tree Inference
物种进化历史的推断,通常由物种树表示,由于基因组不同部分的进化历史不同而变得复杂。基因组上的不同基因座可能由于诸如不完全谱系排序(ILS)、基因复制和丢失以及水平基因转移等过程而具有与潜在物种树(以及彼此)不同的历史。多物种合并是一种常用的模型,用于在ILS存在下对物种和基因树进行推断。本文介绍了两种新的多物种合并下的种树推理方法Lily-T和Lily-Q。然后,我们比较他们两个常用的方法,SVDQuartets和ASTRAL,使用模拟和经验数据。这两种方法一般都比SVD Quartets有改进,并且Lily-Q在大多数模拟设置中优于Lily-T。与ASTRAL的比较更加混合-当无重组位点的长度较短时,当结合群体参数θ较小时,或当内部分支长度较长时,Lily-Q倾向于优于ASTRAL。
2020-10-12 q-bio.PE stat.ME
Identifiability of the unrooted species tree topology under the coalescent model with time-reversible substitution processes, site-specific rate variation, and invariable sites
对一系列生物进化历史的推断是进化生物学中一个基本的重要问题。从基因组测序项目产生的DNA序列数据的丰富性,导致了这些系统发育关系的推断的重大挑战。这些挑战之一是根据从整个基因组中取样的几个不同基因的序列信息推断一系列物种的进化历史。人们普遍认为每个基因都有自己的系统发育史,这可能与物种树不一致。已知这种基因树不一致的许多可能原因。最好的研究是不完全谱系排序,这是通常由合并过程建模。许多基于聚结过程的方法已经被提出用于估计给定DNA序列数据的系统发育树。然而,这些方法的使用假设系统发育物种树可以从树的叶子处的DNA序列数据中识别,尽管这还没有正式建立。我们证明了无根拓扑的n叶系统发育物种树是一般可识别的观察数据在树叶的树,假设已经出现了从合并过程下的时间可逆的替代过程的可能性,特定网站的速率变化建模的离散伽玛分布和不变的网站的比例。
2015-07-03 q-bio.PE
Asymptotic properties of the number of matching coalescent histories for caterpillar-like families of species trees
合并的历史提供了物种树的分支,基因树合并可以发生的列表,其枚举属性有助于理解计算的计算复杂性的基因树和物种树的研究中心。在这里,我们解决了Rosenberg(IEEE/ACM Transactions on Computational Biology and Bioinformatics 10:1253-1262,2013)留下的一个枚举问题,该问题涉及基因树和物种树的合并历史的数量,该基因树和物种树具有属于通用毛虫类家族的匹配标记拓扑。通过引入生成函数的方法来研究结合历史,证明了对于任何具有种子树$t$的类毛虫族,描述该族第$n$棵树的匹配结合历史数的序列$(h_n)_{n\geq 0}$作为Catalan数的常数倍渐近增长.因此,$h_n \sim β_t c_n$,其中渐近常数$β_t > 0$取决于种子树$t$的形状。结果扩展的索赔证明,只有种子树,最多8个类群,以任意种子树,扩大了一组的情况下,详细的枚举属性的合并历史可以确定。我们介绍了一个程序,从$t$计算的常数$β_t$以及生成函数的序列$(h_n)_{n\geq 0}$的代数表达式。
2015-03-19 q-bio.PE
Probabilities of unranked and ranked anomaly zones under birth-death models
比匹配物种树的标记基因树拓扑更可能的标记基因树拓扑被称为\textit{anomalous}。可以产生这种异常基因树的物种树被称为在\textit{anomaly zone}中。这里,考虑了多物种结合下\textit{unranked}和\textit{ranked}基因树拓扑的概率。排序树不仅描述了基因谱系之间的拓扑关系,就像未排序树一样,而且描述了谱系合并的顺序。在这篇文章中,我们研究了在一个常数率生灭过程下模拟的物种树的参数如何影响物种树位于异常区的概率。我们发现,有五个以上的分类群,这是可能的物种树既有AGTs和ARGT。在任何类型的异常区的概率增加更多的类群。AGTs的概率也随着物种形成率的增加而增加。我们观察到,未排名的异常区的概率更高,增长速度远远快于排名的异常区的物种形成率的增加。我们的模拟表明,最可能的排名基因树很可能有相同的未排名的拓扑结构的物种树。我们设计了一个软件{ \it PRANC},该软件可以计算结合模型下给定物种树的基因树拓扑结构的概率。
2019-11-05 q-bio.PE
Identifying species network features from gene tree quartets under the coalescent model
我们发现,许多拓扑特征的1级物种网络是可识别的分布下的网络多物种的聚结模型的基因树四元组。具体地,大小至少为4的每个循环和大小至少为5的循环中的每个混合节点是可识别的。这是证明最近由Solís-Lemus和Ané实现的这种网络的推理的一步。此外,我们还展示了如何计算四重和谐因子的网络在简单的网络,并探讨了一些情况下,在4个周期的大小为3和混合节点的周期可以检测到。
2017-11-28 q-bio.PE
Construction of Gene and Species Trees from Sequence Data incl. Orthologs, Paralogs, and Xenologs
系统发育重建的目的是根据基因组序列信息对基因或物种的进化历史进行合理的假设。直系同源基因(具有共同祖先并在物种形成后分化的基因)的区分至关重要,并且是许多基因组研究的核心。然而,现有的方法,仅依赖于1:1的直系同源物来推断物种树被强烈限制到一个小的允许的基因,提供有关物种树的信息。使用更大的基因集,加上非直系同源基因(例如所谓的旁系同源或异种同源基因),可以大大增加有关相应物种进化历史的信息。在这项工作中,我们介绍了一种新的方法来计算物种的同源性的基础上的序列数据,包括直系同源,旁系同源,甚至异种。
2016-02-26 cs.DS q-bio.GN q-bio.PE
Matrix-analytic methods for the evolution of species trees, gene trees, and their reconciliation
针对基因树与物种树的演化树调和问题,提出基于矩阵解析方法的似然计算算法与高效度量计算方法,可应用于不完整数据场景。
2023-11-08 math.PR q-bio.PE
Likelihood-based tree reconstruction on a concatenation of alignments can be positively misleading
从基因组数据重建物种树面临着双重障碍。首先,描述每个基因进化的(基因)树可能与物种树不同,例如,由于不完整的谱系排序。第二,在每个基因树的叶子处的比对的基因序列仅提供基因树的拓扑的不完美估计。在本说明中,我们正式证明,一个基本的统计问题出现,如果试图避免占这两个过程,并直接通过级联方法分析遗传数据。更确切地说,我们表明,在多物种合并与一个标准的网站替代模型,最大似然估计的序列数据,已连接跨基因和不正确的假设下进行的所有网站都独立地和相同的进化在一个固定的树是一个统计上不一致的估计的物种树。我们的结果为Kubatko和Degnan(2007)等人描述的模拟结果提供了正式的证明,并补充了DeGorgio和Degnan(2010)以及Chifman和Kubtako(2014)的最新理论结果。
2014-09-06 cs.CE math.PR math.ST
A lattice structure for ancestral configurations arising from the relationship between gene trees and species trees
Stanford University(斯坦福大学)
本文研究了基因树与物种树关系下祖先配置的格结构,通过迭代图的笛卡尔积定义祖先配置的有向图,并利用其与标记历史的双射关系,推导出各类树家族中标记历史的数量公式,进一步证明该格结构可扩展到非匹配树对,并用于确定固定G下的最大祖先配置对。
2023-09-06 math.CO q-bio.PE
Identifiability and Reconstructibility of Species Phylogenies Under a Modified Coalescent
合并模型的进化帐户不完整的谱系排序指定一个物种树参数,决定了基因树上的分布。它已被证明,无根拓扑的物种树参数的多物种合并是一般可识别的。此外,一个统计上一致的重建方法,称为SVDQuartets已被开发来恢复这个参数。在本文中,我们描述了一个修改后的多物种聚结模型,允许不同的有效种群大小和分子钟的侵犯。我们发现,这些模型的物种树的无根拓扑是一般可识别的,SVDQuartets仍然是一个统计上一致的方法来推断这个参数。
2017-01-24 q-bio.PE