Sequence length bounds for resolving a deep phylogenetic divergence
在进化生物学中,基因序列携带着一个基本的树的痕迹,描述了它们从一个共同的祖先序列进化而来。需要多少序列位点才能准确地恢复这种进化关系的问题取决于序列进化的模型、替换率、分歧时间和用于推断系统发育历史的方法。一个特别具有挑战性的问题,系统发育的方法出现时,一个快速的分歧事件发生在遥远的过去。我们分析了这个问题的理想化形式,其中对称的四分类树的终端边缘是一些因素($p$)倍的内部边缘的长度。我们确定了一个顺序$p^2$增长率的下限所需的序列长度,以解决树(独立于任何特定的分支长度)。我们还表明,这种序列长度增长率可以通过现有的方法(包括简单的“最大简约”的方法),并比较这些顺序$p^2$界与顺序$p$增长率的模型,描述低同质性的演变。在最后一节中,我们提供了一个更一般的一类马尔可夫过程的序列长度要求的一般界。
2008-06-16 q-bio.PE
CSD Homomorphisms Between Phylogenetic Networks
自达尔文以来,物种树一直被用来作为关系的简化描述,总结了现实的复杂网络$N$。然而,最近的杂交和横向基因转移的证据表明,有些情况下树木是不够的。因此,重要的是确定表征与$N$密切相关的网络的性质,并且可能比树更复杂,但缺乏$N$的全部复杂性。连通满射有向图映射(CSD)是从一个网络$N$到另一个网络$M$的映射$f$,使得每个弧或者折叠成单个顶点或者取为弧,使得$f$是满射的,并且使得顶点的逆像总是连通的。CSD地图表现良好的组合下。证明了如果存在从$N$到$M$的CSD映射,则存在将$M$的无向版本提升到$N$的方法,通常具有增加的分辨率。从$N$到$M$的CSD映射对$N$施加了强约束。一般来说,研究网络的类别可能是有用的,使得对于任何$N$,存在从$N$到该类别的某个标准成员的CSD映射。
2016-08-06 math.CO q-bio.PE
Circumstances in which parsimony but not compatibility will be provably misleading
系统发育方法通常依赖于数据如何进化的适当模型,以便推断出准确的系统发育树。对于分子数据,标准的统计方法提供了一种有效的策略,用于从比对的序列数据中提取系统发育信息时,每个站点(字符)是一个共同的过程。然而,对于其他类型的数据(例如形态数据),字符可能过于模糊,同质或饱和,无法开发有效捕捉变化的基本过程的模型。为了解决这个问题,我们研究了一个经典的,但被忽视的方法推断分裂的基础树,即最大兼容性的属性。通过采用一个简单而极端的模型,其中每个字符要么完全适合某棵树,要么完全随机(但不知道任何字符属于哪一类),我们能够推导出精确和明确的公式,关于最大兼容性的性能。我们表明,这种方法是能够确定一组非平凡的同质性自由字符,当类群的数量$n$是大的,即使当随机字符的数量是大的。相比之下,我们表明,一种方法,使更均匀地使用所有的数据-最大简约性-可以证明估计树,其中{ \em没有}的原始同质性的字符支持分裂。
2015-01-20 q-bio.PE
A Composite Genome Approach to Identify Phylogenetically Informative Data from Next-Generation Sequencing
我们已经开发了一种新的方法,可以直接从下一代测序读数中快速获得同源基因组数据,而无需使用参考基因组。这个软件,称为SISRS,避免了从头整个基因组组装,基因组-基因组比对和注释的耗时步骤。对于模拟SISRS是能够识别大量的基因座含有可变位点的系统发育信号。对于猿类的基因组数据,SISRS确定了数千个可变位点,从中我们产生了准确的同源性。最后,我们使用SISRS来确定系统发育标记,我们用来估计胎盘哺乳动物的胚胎发育。我们从多个数据集中恢复了与以前对哺乳动物之间关系的相互冲突的估计一致的遗传学。SISRS是开源的,可以在https://github.com/rachelss/SISRS上免费获得。
2014-11-12 q-bio.GN q-bio.PE
Phylogenetic signal in phonotactics
系统发育方法在语言学中有着超越树推理的广泛潜力。在这里,我们展示了系统发育的方法如何打开了从全新的语言数据中获得历史见解的可能性-在这种情况下,统计音韵学。我们从111个Pama-Nyungan词汇中提取语音定位数据,并对系统发育信号进行测试,量化数据反映系统发育历史的程度。我们测试了三个数据集:(1)记录词典中双音素(两段序列)的存在或不存在的二进制变量(2)段之间的转换频率,以及(3)自然声音类别之间的转换频率。澳大利亚语言的特点是具有高度的音位同质性。然而,我们在所有数据集中检测到系统发育信号。系统发育信号在更细粒度的频率数据中比在二进制数据中更大,并且在基于自然类的数据中最大。这些结果表明,在历史和比较语言学中采用一种新的易于提取的数据来源的可行性。
2020-07-14 cs.CL q-bio.PE
Identifiability of phylogenetic parameters from k-mer data under the coalescent
基于它们的$k$ -mer频率计数的序列之间的距离可用于重建同源性,而无需首先计算序列比对。过去的工作表明,有效使用k-mer方法取决于1)基于$k$ -mer的距离的基于模型的校正和2)将长序列分成块以从序列生成过程获得重复试验。这种方法的良好性能是基于具有许多同源位点的许多高质量块,这可能是有问题的,以保证先验。自然界提供了天然的序列块,形成同源区域,即基因。然而,在这种情况下直接使用过去的工作是有问题的,因为不同的基因树和潜在的物种树之间可能存在不一致。以多物种合并模型为基础,推导出包含分歧时间和合并参数的基于模型的矩公式。从这个设置中,我们证明了识别结果的树和分支长度参数下的Jukes-Cantor模型的序列突变。
2017-05-19 math.AG q-bio.PE
Extraction of Deep Phylogenetic Signal and Improved Resolution of Evolutionary Events within the recA/RAD51 Phylogeny
recA/RAD 51基因家族编码影响同源重组、DNA修复和基因组稳定性的多种重组酶蛋白。recA基因家族在几乎所有真细菌、真核生物和真核生物中表达,甚至在一些病毒中也表达。迄今为止,解决这个古老蛋白质家族的深层进化起源的努力受到阻碍,部分原因是家族之间的高序列差异(即旁系同源群之间约30%的同一性)。通过(i)大型分类单元采样,(ii)使用系统发育算法来测量高度分化的旁系同源物,以及(iii)新颖的进化空间动力学模拟和分析工具,我们获得了recA/RAD 51超家族的强大,简约和更精细的系统发育历史。综上所述,我们的recA/RAD 51家族的进化模型提供了一个更好的理解recA蛋白的古老起源和多个事件导致的recA同源物在真核生物中的多样化,包括发现额外的RAD 51亚家族。
2012-06-14 q-bio.GN q-bio.MN q-bio.PE
Adapting cluster graphs for inference of continuous trait evolution on phylogenetic networks
Departments of Statistics and Botany, University of Wisconsin-Madison(威斯康星大学麦迪逊分校统计学与植物学系)
本文提出利用非树状聚类图优化高斯性状进化模型的因子化能量近似,探讨最大聚类大小对估计精度与运行时间的权衡影响,并证明同质布朗运动模型的参数估计等价性。
2025-12-19 q-bio.PE stat.CO
Hybrid Genetic Algorithm and Lasso Test Approach for Inferring Well Supported Phylogenetic Trees based on Subsets of Chloroplastic Core Genes
FEMTO-ST Institute, UMR 6174 CNRS(FEMTO-ST研究所,CNRS UMR 6174);University of Mustansiriyah(穆斯坦西里亚大学);University of Neuchâtel(纳沙泰尔大学);University of Franche-Comté(弗朗什-孔泰大学)
全序列叶绿体基因组的数量每天都在迅速增加,这使得建立大规模的植物物种系统发育树成为可能。考虑到根据其叶绿体定义的近缘植物物种的子集,可以通过其核心基因推断的系统发育树不一定得到很好的支持,这是由于可能出现“问题”基因(即,同源性、不完全谱系分选、水平基因转移等)这可能会模糊系统发育信号。然而,如果有问题的基因数量较少,仍然可以获得值得信赖的系统发育树,问题是确定产生最佳支持树的核心基因的最大子集。为了丢弃有问题的基因,并由于压倒性的数量可能的组合,我们提出了一种混合的方法,嵌入了遗传算法和统计测试。给定一组生物体,其结果是许多阶段的流水线,用于生成支持良好的系统发育树。该建议已被应用到不同的情况下,植物科,导致这些家庭令人鼓舞的结果。
2015-04-20 cs.AI cs.NE q-bio.PE
Empar: EM-based algorithm for parameter estimation of Markov models on trees
在系统发育推断中,分支长度估计的目标是根据一组序列之间的组成差异来估计它们之间的分歧时间。一些软件是目前可用的促进分支长度估计同质和固定的进化模型。进化过程的同质性使得整棵树的进化速度固定不变。在复杂的数据问题中,这种假设可能会使分析结果受到质疑。在这项工作中,我们提出了一个算法的参数和分支长度推断在树上的离散时间马尔可夫过程。这类广泛的非齐次模型包括一般马尔可夫模型及其所有子模型,包括平稳和非平稳模型。在这里,我们适应了著名的期望最大化算法,并提出了一个详细的性能研究这种方法的选择非同质进化模型。我们对在各种设置下模拟的多个序列比对进行了广泛的性能评估。我们证明了该工具在参数估计和分支长度恢复中的高精度,证明该方法是现实生活中系统发育推断的一个有价值的工具。$\empar$是本文介绍的方法的开源C++实现,是第一个设计用于处理非同质数据的工具。
2012-07-05 q-bio.PE
A two-phase approach for detecting recombination in nucleotide sequences
遗传重组可以在一组同源基因内产生异质的系统发育历史。描述重组事件在分子进化的研究中是重要的,因为对这些事件的推断提供了不同基因序列或基因组之间的系统发育关系的更清晰的画面。然而,检测重组事件可能是一项艰巨的任务,因为不同的重组检测方法的性能可能会有所不同,这取决于重组后发生的进化事件。我们最近评估了重组后事件对重组检测方法的预测准确性的影响,使用模拟的核苷酸序列数据。其他研究支持的主要结论是,在搜索重组事件时,不应依赖于单一方法。在本文中,我们介绍了一个两阶段的战略,应用三个统计措施来检测重组事件的发生,和贝叶斯系统发育的方法在划定断点的核苷酸序列中的事件。我们使用模拟数据来评估这些方法的性能,并证明了这种策略对经验数据的适用性。两阶段策略在应用于大型数据集时被证明是时间有效的,并产生高置信度的结果。
2007-09-12 q-bio.PE
Phylogenetic dynamics of MRCA ages and empirical moments of a Brownian trait
Institut Montpelliérain Alexander Grothendiek(蒙彼利埃亚历山大·格罗滕迪克研究所);Université de Montpellier(蒙彼利埃大学)
研究布朗性状在系统发育树上前两个经验矩的时间动态,通过MRCA年龄分布推导方差表达式,并在广义生灭过程中给出显式公式。
2026-05-28 math.PR q-bio.PE
Unification of species, gene, and cell trees for single-cell expression analyses
本文提出统一的树框架,将物种、基因、细胞系统发育和细胞谱系整合为细胞生命之树,以识别同源基因和细胞群并检验细胞基因表达进化假设,从而改进跨物种scRNA-seq比较分析。
2023-07-05 q-bio.PE
Measuring Fit of Sequence Data to Phylogenetic Model: Gain of Power using Marginal Tests
测试数据与模型的拟合对任何科学都是至关重要的,但遗传学领域的出版物很少这样做。这种分析抛弃了卡尔·波普尔所规定的科学的基本方面。事实上,并非没有理由,波普尔(1978)曾经认为,进化生物学是不科学的,因为它的假设是不可检验的。在这里,我们追溯了从Penny et al.(1982)到现在的适合性评估的发展。我们比较一般的对数似然比(G或G2统计)统计之间的进化树模型和多项式模型与边缘化测试应用于对齐(使用胎盘哺乳动物编码序列数据)。可以看出,最一般的检验不拒绝数据与模型的拟合(p~0.5),但边缘化检验拒绝。对成对频率(F)矩阵的检验强烈(p < 0.001)拒绝了常用的最一般的系统发育(GTR)模型。同样清楚的是(p < 0.01),序列在其核苷酸组成中不是固定的。偏离平稳性和同质性似乎是不均匀分布在类群之间,不一定是那些预期从检查基因组的其他区域。通过边缘化i.i.d.的4 t模式。模型的观察和预期的简约计数,也就是说,从恒定的网站,单例,简约信息字符的最小可能的长度,那么似然比检验恢复权力,它也拒绝与p << 0.001的进化模型。考虑到在相对较近的进化时间内的这种行为,一般来说,读者应该对结果保持健康的怀疑态度,因为在已发表的分析中,系统性错误的规模可能远远大于分析方法(例如,bootstrap)报告。
2008-12-30 q-bio.GN q-bio.PE
Osteology of a Near-Complete Skeleton of Tenontosaurus tilletti (Dinosauria: Ornithopoda) from the Cloverly Formation, Montana, USA
Tenontosaurus tilletti的特征诊断已经被修改和重新定义为一个更强大和可量化的状态。重点放在构建系统发育的定义,在这样的方法,因为它可以防止闭塞的真实字符状态,减轻潜在的个人解释偏见。先前在禽龙亚目内的位置被驳斥,因为它与进化枝的定义性突触形态缺乏特征亲和力。然而,Hypsilophodontidae(=Hypsilophodontia)和禽龙目(Iguanodontia)的分支被认为是急需改进的,以解释最近的发现和某些真鸟脚类的重新分类。一些突触形态已经过时,被认为是多余的,有利于更量化的方法。如果要解决真鸟足类动物基础关系的现状,重新定义这些分支是至关重要的。系统发育研究必须从多学科的角度来处理,整合构造地层,个体发育,古生态和生物力学数据集定义明确的主要同源性是必不可少的,在增加系统发育的分辨率和生成地层可行的祖先后代关系。属于提列蒂腱龙的材料需要严格的重新分析;属于该物种的大量标本可能是由于地层限制不佳和占用了巨大的时空跨度。未来对这些材料的修订有望揭示与环境进化内在联系的物种水平上的时间变化,以及可能为同时代但形态上不同的腱龙类的两性异形提供线索。
2013-04-09 q-bio.PE
Designing weights for quartet-based methods when data is heterogeneous across lineages
跨谱系的同质性是遗传学中的一个常见假设,根据该假设,核苷酸取代率在时间上保持恒定,并且不依赖于谱系。这是一个简化的假设,经常被采用,使序列进化的过程更容易处理。然而,它的有效性已被探讨,并提出了质疑,在几篇论文。另一方面,成功地处理一般情况下(跨谱系的异质性)是基于代数工具的系统发育重建方法的关键特征之一。本文的目的是双重的。首先,我们提出了一个新的加权系统的四元组(ASAQ)的代数和半代数工具的基础上,从而专门适用于处理数据的发展下的异质率。该方法结合了两个以前的方法的权重,通过测试的基础上的积极性的分支长度估计的双线性距离。ASAQ在应用于GM数据时具有统计学一致性,考虑了谱系之间的速率和基础组成异质性,并且不假设平稳性或时间可逆性。其次,我们测试和比较几个四分之一为基础的系统发育树重建方法(即,四分之一困惑,权重优化和威尔逊的方法)结合ASAQ权重和其他权重的代数和半代数方法或双线性距离的性能。这些测试适用于模拟和真实数据,并支持ASAQ权重作为可靠和成功的重建方法的权重优化。
2022-02-27 q-bio.PE
Invariant versus classical quartet inference when evolution is heterogeneous across sites and lineages
经典的系统发育重建方法无法正确推断底层拓扑结构的一个原因是它们假设了过于简化的模型。在本文中,我们提出了一种拓扑结构重建方法符合最一般的马尔可夫模型的核苷酸取代,它也可以处理来自同一拓扑结构上的混合物的数据。它基于埃里克森使用系统发育不变量的想法,并提供了一个权重系统,可以用作基于四分法的输入。我们研究其性能的真实数据和广泛的模拟4-分类数据(时间均匀和非均匀,有或没有网站率异质性,并与不同的分支长度设置)。我们比较它的经典方法的邻居加入(与非线性距离),最大似然(与不同的基础模型),最大简约。我们的研究结果表明,该方法是准确和鲁棒的,具有类似的性能ML时,数据满足这两种方法的假设,并优于所有的方法时,这些是基于不适当的替代模型或当长和短分支都存在。如果对齐足够长,那么当它的一些假设被违反时,它也优于其他方法。
2014-10-27 q-bio.PE
Maximum Likelihood Supertrees
我们分析了一个最大似然法结合系统发育树到一个更大的“超级树”。这是基于系统发育误差的简单指数模型,这确保ML超树具有简单的组合描述(作为中值树,最小化到输入树的距离的加权和)。我们表明,这种ML超树重建方法在统计上是一致的(随着更多输入树的组合,它收敛于真正的物种超树),与广泛使用的MRP方法相反,我们表明这种方法在指数误差模型下可能在统计上不一致。我们还表明,这种统计一致性扩展到ML方法构建物种超树的基因树。在这种情况下,不完整的谱系分类(由于同源基因的合并率低于物种形成率)已被证明会导致基因树经常与物种树不同,这可能会混淆正确重建物种进化的努力。
2007-08-16 q-bio.PE q-bio.QM
Polyhedral Covers of Tree Space
由Billera、Holmes和Vogtmann提出的系统发育树空间是单纯复形上的一个圆锥。在这篇短文中,我们利用经典多面体、准多面体和置换多面体的局部胶接构造了这个复形。它的同伦也被重新解释和计算的基础上多面体数据。
2013-11-04 cs.DM math.CO q-bio.PE
TaxMan: an online facility for the coding of continuous characters for cladistic analysis
一个共识正在出现,连续(或度量)措施可以是有用的系统发育分类学。然而,许多编码这类性状的方法都使用了任意的成分,因此不应用于分支分析。继续使用这种可能不适当的方法可以归因于它们的简单性或专门设计用于使用这些方法产生数据矩阵的计算机程序的可用性。相反,最合适的方法之一,同质子集编码(HSC),是未充分使用,可能是由于缺乏一个合适的软件实现这个有点复杂的过程。本文介绍了TaxMan,一个基于Web的设施的连续数据使用HSC的编码。数据是用一种可通过任何互联网浏览器访问的表格输入的,并自动转换成适合输入树木搜索软件的矩阵。HSC技术的这种实现为在系统发育系统学中纳入度量数据提供了一个简单的程序。HSC程序的算法实现,以及它所需的学生化范围和最大模分布的插值,在附录中详细描述。
2014-11-17 q-bio.PE stat.AP
Predicting the ancestral character changes in a tree is typically easier than predicting the root state
通过系统发育树预测一组同源序列的祖先序列已经成为许多研究的主题,并且已经为此目的提出了许多方法。理论结果表明,当突变率变得太大时,在树根处重建祖先状态不再可行。在这里,我们还研究了沿着树边缘发生的祖先变化的重建。我们表明,根据树和分支长度分布,重建这些变化(即重建树中所有内部节点的祖先状态)可能比重建祖先根状态更容易或更难。然而,从信息论的结果表明,对于标准的圣诞树,重建内部节点状态的任务仍然是可行的,即使是非常高的替代率。此外,计算机模拟表明,对于更复杂的树和场景,这个结果仍然成立。对于各种各样的计数,基于简约和基于似然的方法,树中随机选择的内部节点的预测精度确实比应用于树根时的相同方法的精度高得多。此外,简约和似然为基础的方法似乎是非常强大的抽样偏差和模型误指定。
2013-09-04 q-bio.PE