Decoding coalescent hidden Markov models in linear time
在计算生物学的许多领域中,隐马尔可夫模型(Hidden Markov Models,HMRM)已被用于对局部基因组特征进行建模。特别是,聚结障碍已被用来推断古代人口规模,迁移率,分歧时间,和其他参数,如突变和重组率。然而,随着更多的基因座、序列和隐藏状态被添加到模型中,合并的Hacker的运行时间可能很快变得令人望而却步。在这里,我们提出了一个新的算法,用于减少的运行时间的聚结Hacking从二次隐藏的时间状态的数量线性,而不作任何额外的近似。我们的算法可以被纳入到各种聚结的障碍,包括流行的方法PSMC推断变量有效种群大小。在这里,我们实现这个算法,以加快我们的人口推断方法diCal,这是相当于PSMC时,适用于两个单倍型的样本。我们证明了线性时间方法可以更准确地重建人口规模的变化历史比二次时间的方法,给出类似的计算资源。我们还将该方法应用于1000个基因组项目的数据,推断出欧洲人口大小变化的高分辨率历史。
2014-03-04 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
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
Inferring metric trees from weighted quartets via an intertaxon distance
一个度量系统发育树有关的类群的集合,分别为三个和四个类群的所有子集诱导加权有根三元组和加权四元组。新的分类单元间距离的定义,可以从这些权重计算,并显示完全适合相同的树拓扑结构,但与边缘权重重新缩放的某些因素依赖于相关的分裂大小。这些距离是类似的度量树最近推出的拓扑树,是基于诱导的非加权根三元组和四元组。这里介绍的距离导致新的统计上一致的方法推断一个度量物种树的拓扑基因树的集合下产生的多物种合并模型的不完全谱系排序。模拟提供了对其潜力的深入了解。
2020-02-11 q-bio.PE
Power-laws in phylogenetic trees and the preferential coalescent
University of Cologne(科隆大学)
本研究提出一个基于偏好性合并的生成模型,通过广义Smoluchowski方程解释系统发育树中观测到的幂律标度,揭示其数学起源并提供新分析工具。
2025-10-15 q-bio.PE stat.OT
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
Inferring phylogenetic networks with maximum pseudolikelihood under incomplete lineage sorting
系统发生网络是必要的,以代表边缘扩展的生命树,以代表事件,如水平基因转移,杂交或基因流动。并非所有物种都遵循其遗传物质的垂直遗传模式。虽然大量的研究已经蓬勃发展到系统发育树的推断,统计方法推断系统发育网络仍然是有限的,并在发展中。现有方法的主要缺点是缺乏可扩展性。在这里,我们提出了一种统计方法来推断系统发育网络的多位点的遗传数据在一个pseudolikkastry框架。我们的模型通过合并模型解释了不完整的谱系排序,并通过网络中的网状节点解释了基因的水平遗传。伪似然的计算快速简单,避免了对许多物种难以处理的全似然的繁琐计算。此外,在四分之一级的估计具有额外的计算好处,它很容易并行化。仿真研究比较我们的方法,一个完整的似然方法表明,我们的pseudolikkestry的方法是更快,而不影响精度。我们应用我们的方法来重建剑尾鱼和鸭嘴鱼($Xiphophorus$:Poeciliidae),其特点是广泛的杂交之间的进化关系。
2016-02-12 math.ST q-bio.PE stat.AP
Topological metrizations of trees, and new quartet methods of tree inference
拓扑系统发育树可以以几种自然的方式分配边权重,突出树的不同方面。在这里,有根三重和四重度量化的介绍,并制定新的快速方法推断大树根三重和四重数据。这些方法可以应用于新的统计一致的程序推断的一个物种树的基因树下的多物种合并模型。
2019-05-13 q-bio.PE
Diffusion processes and coalescent trees
谨以此文献给约翰·金曼爵士70岁生日。在现代数学群体遗传学中,一个基因群体的祖先历史可以用约翰·金曼的结合树来描述。经典和现代的方法模型基因频率的扩散过程。本文从分析和概率的角度讨论了聚结过程与扩散过程的对偶性。Bochner(1954)和Gasper(1972)对具有Beta平稳分布和雅可比多项式特征函数的过程的特征化很感兴趣。我们将讨论与赖特-费舍尔扩散和这些过程的特征的连接。从属Wright-Fisher扩散属于这种类型。逆高斯从属子在从属Wright-Fisher扩散中是一个有趣而重要的概念,它与正交多项式理论中的Jacobi泊松核有关。一个相关的时间从属森林的非突变边缘的金曼合并是新颖的。
2010-03-24 math.PR math.ST q-bio.PE
An analytical comparison of coalescent-based multilocus methods: The three-taxon case
不完全谱系排序是多位点分析中基因树不一致的常见原因。已经开发了大量的方法来推断种树在ILS的存在。在这里,我们提供了几个聚结剂为基础的方法的数学分析。我们的分析是在一个三分类群物种树上进行的,并假设基因树与它们的分支长度一起被正确地重建。
2012-07-17 cs.CE cs.DS math.PR
Distance-based species tree estimation: information-theoretic trade-off between number of loci and sequence length under the coalescent
MIT(麻省理工学院);UW Madison(威斯康星大学麦迪逊分校)
我们考虑了在多物种结合下由多个基因重建一个系统发育。我们建立了一个连接与稀疏信号检测问题,其中一个试图区分分布和混合的分布和稀疏信号。使用这种连接,我们得到一个信息理论的权衡之间的基因,$m$,需要一个准确的重建和序列长度,$k$,基因的数量。具体来说,我们表明,检测一个分支的长度$f$,需要$m = Θ(1/[f^{2} \sqrt{k}])$。
2017-07-20 cs.LG math.PR math.ST
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
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
Analysis of DNA sequence variation within marine species using Beta-coalescents
我们最近开发的推理方法的基础上,一般合并过程从各种海洋物种获得的DNA序列数据。其中一些物种被认为表现出所谓的浅基因谱系,可能是由于极端的生殖行为,例如通过Hedgecock的“生殖抽奖”。除了数据分析,特别是推断的突变率和估计的(实时)时间,最近的共同祖先,我们简要地解决的问题是否家谱可能被充分描述的所谓的β coalescents(相对于金曼的coalescent),允许多个合并的家谱。系谱的底层合并模型的选择对上述量的估计具有重大影响,特别是系谱的实时嵌入。
2012-11-04 math.PR 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
Large-sample analysis of cost functionals for inference under the coalescent
Stockholm University(斯德哥尔摩大学);Newcastle University(纽卡斯尔大学);University of Warwick(华威大学)
本文首次理论描述了合生模型大样本重要性采样算法的行为,揭示其与标准采样方法的差异,并指出重采样可能损害性能。
2026-02-18 math.PR math.ST q-bio.PE
Sequential Markov coalescent algorithms for population models with demographic structure
University of Gothenburg(哥德堡大学)
本文在瓶颈、分化和两岛屿迁移模型中评估序贯马尔可夫溯祖算法,发现其通常近似良好,但在低基因流分隔种群抽样时会显著低估基因历史相关性。
2009-01-19 q-bio.PE
The coalescent tree of a Markov branching process with generalised logistic growth
我们考虑一类密度依赖的分支过程,推广指数,逻辑和Gompertz增长。一个种群从一个个体开始,最初呈指数级增长,然后随着总体规模接近承载能力,增长可能会放缓。当种群仍在超线性增长时,对固定数量的个体进行采样,并绘制出它们的合并树。以采样时间和承载能力同时无穷大,我们证明了收敛的合并树的极限树,这是在某种意义上普遍超过我们的类模型。
2022-04-08 math.PR 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
On the variance of internode distance under the multispecies coalescent
我们考虑的问题,估计物种树无根基因树拓扑结构中存在的不完整的谱系排序,一种常见的现象,在多位点数据集创建基因树的异质性。在这种情况下,一种流行的重建方法是基于节点间距离,即基因树上物种对之间的平均图距离。虽然在某些情况下已经建立了大量位点的极限的统计一致性,但对此类方法的样本复杂性知之甚少。在这里,我们取得了进展,在这个问题上,推导出一个下界的最坏情况下的方差的节间距离,线性依赖于相应的图形中的物种树的距离。我们还讨论了一些算法的影响。
2018-12-20 cs.CE math.PR math.ST
Inference in Kingman's Coalescent with Particle Markov Chain Monte Carlo Method
基于粒子马尔可夫链蒙特卡罗方法,我们提出了一种新的算法来对Kingman合并进行后验采样。具体而言,该算法是粒子吉布斯抽样方法的实例化,该方法通过条件序贯蒙特卡罗过程交替地对以合并树结构为条件的合并时间和以合并时间为条件的树结构进行采样。我们实现了我们的算法作为一个C++包,并通过一个参数估计任务在人口遗传学上的单和多位点数据证明其实用性。实验结果表明,该算法的性能相当或优于几个成熟的方法。
2013-05-03 q-bio.PE stat.ML
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
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
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
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
Testing Multispecies Coalescent Simulators using Summary Statistics
由于基因组规模的数据集激发了物种树推理的研究,多物种合并(MSC)过程的模拟器对于测试和评估新的推理方法至关重要。然而,模拟器本身必须进行测试,以确保它们提供来自聚结过程的有效样品。在这项工作中,我们开发了几个统计工具,使用汇总统计来评估模拟基因树样本的MSC模型的拟合。使用这些测试的样本从四个已公布的模拟器,我们发现在几个缺陷。这些测试是作为R包实现的,因此开发人员和用户都能够轻松检查未来模拟器的性能。
2019-08-04 q-bio.PE
The site frequency spectrum for general coalescents
一般的系谱过程,如$Λ$ -和$Ξ$ -coalescents,分别模拟多个和同时合并,有重要的应用研究海洋物种,强正选择,经常性的选择扫描,强瓶颈,大样本容量,等等。特别地,基于位点频率谱(SFS)的推断方法已经受到显著关注。在这里,我们推导出一个新的公式为一般的$Λ$ -和$Ξ$ -聚结剂,这导致一个有效的算法的预期SFS。对于时间均匀的聚结器,用于计算预期SFS的算法的运行时间是$O(n^2)$,其中$n$是样本大小。这是比现有技术方法快$n^2$的一个因子。此外,在现有的方法相比,我们的方法推广到时间不均匀的$Λ$ -和$Ξ$ -coalescents的措施,分解为$Λ(dx)/ζ(t)$和$Ξ(dx)/ζ(t)$,分别,其中$ζ$表示严格的时间正函数。在此设置中,我们的算法的运行时间是$O(n^3)$。我们也得到一般的理论结果的可识别性的$Λ$措施时,$ζ$是一个常数函数,以及可识别性的功能$ζ$下一个固定的$Ξ$措施。
2016-02-11 math.PR 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
Sequential importance sampling for multi-resolution Kingman-Tajima coalescent counting
从分子序列数据中对进化参数进行统计推断依赖于结合模型来解释样本的共享系谱祖先。然而,推理算法不能扩展到可用的数据集。提高计算效率的策略是依赖于更简单的合并和突变模型,从而导致更小的隐藏状态空间。在不同的分辨率家谱树的状态空间的基数的估计是必不可少的,以确定最佳的建模策略为给定的数据集。据我们所知,既没有精确的方法,也没有近似的方法来确定这些基数。本文提出了一种序贯重要性抽样算法来估计不同合并分辨率下家谱树空间的基数。我们的抽样方案进行顺序跨越数据所施加的组合约束的集合。我们分析了模拟不同谱系树空间的基数,以研究有利于粗分辨率的设置。我们估计的基数的家谱树空间的mtDNA数据从1000个基因组和一个样本从美拉尼西亚人口来说明设置中,它是有利的,采用粗糙的分辨率。
2019-09-06 q-bio.PE stat.AP
Exact enumeration of cherries and pitchforks in ranked trees under the coalescent model
我们考虑了随机合并过程下生成的排名树的精确枚举和概率性质。使用一种新的方法,基于生成函数,我们得到了几个统计,如在一个固定大小n的排序树中找到k个樱桃的确切概率。然后,我们扩展我们的方法也考虑干草叉的数量。当树的大小固定时,我们找到了一个递归公式来计算樱桃和叉子的联合概率和条件概率。
2012-08-19 cs.DM math.CO 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
A compendium of covariances and correlation coefficients of coalescent tree properties
基因谱系经常通过测量其高度($H$),长度($L$),外部分支总和($E$),内部分支总和($I$)和两个基底分支的平均值($B$)以及有助于其他谱系特征的合并时间($T$)等属性进行研究。这些树的属性和它们之间的关系可以提供深入了解群体遗传过程对系谱和遗传序列的影响。在这里,在合并模型下,我们研究了15对谱系树的特征之间的相关性:$H_n$,$L_n$,$E_n$,$I_n$,$B_n$和$T_k$,对于大小为$n$的样本,具有$2 \leq k \leq n$。我们报告了$H_n$、$L_n$、$I_n,$和$B_n$之间的高度相关性,这些量的所有成对相关性的值都大于或等于$\sqrt{6} [6 ζ(3) + 6 - π^2] / ( π\sqrt{18 + 9π^2 - π^4}) \approx 0.84930$的极限值$n \rightarrow \infty$。尽管$E_n$对所有$n$的期望值为2,$H_n$在极限中的期望值为2,如$n \rightarrow \infty$,但它们的极限相关性为0。研究结果有助于理解聚结树的形状特征。
2021-11-18 q-bio.PE
Fast coalescent-based computation of local branch support from quartet frequencies
物种树重建是复杂的不完全谱系排序(ILS)的影响,通常由多物种合并模型建模。虽然已经有了很大的进展,在开发方法,估计一个物种树的基因树的集合,很少注意到已经支付了快速和准确的方法量化支持。在本文中,我们提出了一个快速算法来计算基于四分支持度的每个分支的一个给定的物种树关于一组给定的基因树。然后,我们展示了如何在多物种合并模型的上下文中使用四重支持来计算i)分支在物种树中的局部后验概率和ii)合并单元中分支的长度。我们评估了一组广泛的模拟和生物学数据的局部后验概率的精度和召回率,并表明它具有非常高的精度和提高召回相比,多位点自举。当基因树误差较小时,估计的分支长度是高度准确的,但当基因树估计误差增加时,估计的分支长度被低估。分支长度和局部后验概率的计算作为ASTRAL的一个新功能被实现。
2016-05-08 q-bio.PE q-bio.QM
Inference of Population History using Coalescent HMMs: Review and Outlook
研究不同的人类种群是如何相关的是历史和人类学的兴趣,除了提供一个现实的空模型来测试自然选择或疾病协会的签名。此外,了解其他物种的人口统计历史在保护遗传学中发挥着越来越重要的作用。已经开发了许多统计方法来使用全基因组序列数据推断人口统计学历史,最近的进展集中在允许更灵活的建模选择,扩展到更大的数据集,并增加统计能力。在这里,我们回顾合并隐马尔可夫模型,一类强大的人口遗传推理方法,可以有效地利用连锁不平衡信息。我们强调最近的进展,为从业者提供建议,指出潜在的陷阱,并提出未来可能的研究方向。
2018-07-08 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
Phylodynamic inference with the bounded coalescent: a point process perspective
University of California San Francisco(旧金山加利福尼亚大学);Yale University(耶鲁大学);Stanford University(斯坦福大学)
针对有界溯祖过程,提出基于点过程视角的模拟与马尔可夫链蒙特卡罗推断算法,用于估计有效群体大小轨迹,并以新冠序列数据验证。
2026-09-25 q-bio.PE stat.ME
Age of an allele and gene genealogies of nested subsamples for populations admitting large offspring numbers
合并过程,包括突变,来自Moran型人口模型承认大的后代数。在聚结过程中包括突变允许通过计算在过去的给定时间仍然在群体中分离的原始等位基因的数量的分布来量化等位基因的周转。营业额的等位基因被认为是特定类别的莫兰模型承认大的后代数量。版本的金曼聚结也来自其利率的平均值和方差的后代分布的函数。后代分布的高方差导致等位基因的周转率和年龄比通常的金曼结合预测的要高。
2012-12-08 q-bio.PE
Weak Convergence of Non-neutral Genealogies to Kingman's Coalescent
本文在标准假设下证明了经历突变和选择的非中性粒子系统谱系在 càdlàg 路径空间上弱收敛于 Kingman 凝聚过程,突破了以往仅有限维分布收敛的限制,为整个谱系树的分析提供了理论基础。
2023-04-19 math.PR q-bio.PE stat.CO
Gene genealogies in haploid populations evolving according to sweepstakes reproduction
研究单倍体群体抽奖式繁殖中的基因谱系,构建群体遗传模型,无需强假设恢复新突变数,得出连续时间合并过程等结果,还发现不同条件下泛函近似情况及对种群祖先条件设定的影响。
2026-07-21 math.PR q-bio.PE
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
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
Forward-backward algorithms with a biallelic mutation-drift model: Orthogonal polynomials, and a coalescent/urn-model based approach
使用后向算法的样本等位基因配置的边际似然推断产生与Kingman聚结、Moran模型和扩散模型相同的结果(直到时间的缩放)。为了推断过去任何给定点的祖先群体等位基因频率的概率--无论是在结合中的离散祖先等位基因配置,还是在反向扩散中的祖先等位基因比例--反向方法需要与相应的正向方法相结合。这在所谓的前向-后向算法中完成。在这篇文章中,我们利用正交多项式的向前向后算法。它们使得能够有效地计算现存样本的过去等位基因构型以及平衡和非平衡中祖先群体等位基因频率的概率。我们表明,家谱的样本是充分描述了其等位基因配置的边缘似然向后多项式扩展。
2021-12-17 q-bio.PE stat.AP
Beta-coalescents and continuous stable random trees
多次碰撞的聚结剂,也被称为$Λ$ -聚结剂,由Pitman和Sagitov在1999年提出。这些过程描述了经历随机凝聚的颗粒的演变,使得几个块可以同时合并形成单个块。在测量$Λ$是$\operatorname {Beta}(2-α,α)$分布的情况下,它们还已知描述单个个体可以产生大量后代的大种群的系谱。在这里,我们使用最近的结果Birkner等人。证明β-聚结可以嵌入在连续稳定的随机树,这是众所周知的,由于最近的进展Duquesne和Le Gall。我们的证明是基于建设的唐纳利-库尔茨lookdown过程使用连续随机树,这是独立的利益。这产生了一些关于β-聚结剂的小时间行为的结果。最值得注意的是,我们恢复了一个几乎必然的极限定理,目前的作者在小的时候,块的数量,并给出了多重分形谱对应的出现与非典型大小的块。此外,我们能够找到精确的渐近抽样公式对应的网站频谱和等位基因频谱与突变的背景下,人口遗传学。
2007-10-17 math.PR 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
Genealogies and inference for populations with highly skewed offspring distributions
我们回顾了最近的进展,在理解的作用,多个和同时多个合并合并coalescents作为模型的家谱在理想化和真实的人口与特殊的生殖行为。特别是,我们讨论的模型与“偏斜的后代分布”(或根据其他非经典的进化力量),导致在单基因座单倍体的情况下,多个合并coalescents,并在多基因座二倍体的情况下,同时多个合并coalescents。此外,我们讨论的推理方法下的无限多个网站模型,允许模型选择和估计模型参数下,这些coalescents。
2019-12-17 math.PR q-bio.PE
An Improved Bipartition Cover Bound for the Multispecies Coalescent Model
University of California, Berkeley(加州大学伯克利分校)
本文在多物种凝聚模型下改进了双分量覆盖界,推导出无拓扑约束的位点数上界,提高了现有界Uricchio等(2016)的性能,并通过模拟验证了新界在不同物种树拓扑下的有效性。
2026-07-30 math.PR q-bio.PE
Quenched coalescent for diploid population models with selfing and overlapping generations
University of North Carolina, Chapel Hill(北卡罗来纳大学教堂山分校);Harvard University(哈佛大学);University of Chicago(芝加哥大学)
本文提出了一种用于二倍体种群模型的淬火凝聚方法,研究高自体受精概率下谱系收敛到随机测度,并探讨了SFS与谱系的关系。
2025-12-30 math.PR q-bio.PE
The Geometry of the space of Discrete Coalescent Trees
对过时的进化历史的计算推断依赖于关于RNA、DNA和蛋白质序列突变率的各种假设。利用突变率来推断这些过时的历史被称为分子钟假设。溯祖理论是一种流行的进化模型,它实现了分子钟假设,以促进计算推断过时的聚结。癌症和病毒进化是这些方法特别重要的两个领域。从方法论上讲,系统发育推理方法需要一个树空间,在这个空间上进行推理,这个空间的几何形状在树推理算法的统计和计算方面起着重要的作用。最近的研究表明,分子时钟,因此合并,树具有独特的几何形状,不同于经典的系统发育树空间不建模突变率。在这里,我们介绍和研究离散合并树的空间,也就是说,我们假设时间是离散的,这是不可避免的,在许多计算形式化。我们建立了几个几何属性的空间,并显示这些属性如何影响系统发育分析中使用的各种算法。我们的树空间是一个离散化的已知时间树空间,称为t-空间,因此我们的结果可以用来近似解决各种开放的问题在t-空间。我们的树空间也是另一个已知的树空间,称为排名最近的邻居交换空间的推广,因此我们在本文中的进展意味着新的和概括现有的结果排名树。
2021-01-07 cs.DM cs.DS 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
Coagulation-transport equations and the nested coalescents
嵌套的Kingman聚结描述了包含在较大组分(称为物种)中的粒子(称为基因)的动力学,其中物种对以恒定速率聚结,并且基因对以恒定速率聚结,只要它们位于同一物种内。我们证明,从$rn$物种,物种质量的经验分布(基因$/n$的数量)在时间$t/n$收敛为$n\to\infty$的确定性的凝固-运输方程$$ \partial_t d \ = \ \partial_x ( ψd ) \ + \ a(t)\left(d\star d - d \right), $$的解决方案,其中$ψ(x) = cx^2$,$\star$表示卷积和$a(t)= 1/(t+δ)$与$δ=2/r$。最有趣的情况下,当$δ=0$对应于一个无限的初始数量的物种。该方程描述了质量为$x$的物质分布的演化,其中成对的物质可以合并,并且每个物质的质量像$\dot x = -ψ(x)$一样演化。我们提供了两个自然的概率解决方案,后者IPDE和地址详细的情况下,$δ=0$。第一个解决方案是表示在一个分支粒子系统中的粒子携带的质量表现为独立的连续状态分支过程。第二个是McKean-Vlasov方程$$ dx_t \ = \ - ψ(x_t) \,dt \ + \ v_t\,ΔJ_t $$的解的规律,其中$J$是一个具有速率$1/(t+δ)$的非齐次Poisson过程,$(v_t; t\geq0)$是一个独立的rvs序列,使得$ …
2018-07-24 math.AP math.PR q-bio.PE
The stationary distribution of a sample from the Wright-Fisher diffusion model with general small mutation rates
从Wright-Fisher扩散一般小突变率的样本的平稳分布被发现使用合并的方法。近似值相当于在合并树中至多有一个突变达到速率的一阶。样本概率表征来自Wright-Fisher扩散的平稳分布的近似。该方法与Burden和Tang(2016,2017)不同,后者使用概率通量参数从前向扩散生成器方程中获得相同的结果。这个解很有趣,因为当利率不小时,解是未知的。一个类似的解决方案被发现在一般的可交换二元聚结树的等位基因的配置。特别是一个明确的解决方案,发现一个纯出生过程树时,个人繁殖率λ。
2018-10-30 q-bio.PE
Coalescence 2.0: a multiple branching of recent theoretical developments and their applications
群体遗传学理论为基因组学分析奠定了基础,包括最近基因组扫描的爆发,用于许多原核生物、动物和植物物种中过去人口统计事件的选择和统计推断。在自然选择下识别SNP和支持物种适应依赖于解开随机过程(突变,漂移,迁移)的选择对核苷酸变异性的各自贡献。大多数理论和统计检验都是使用基于Wright-Fisher总体模型的Kingman溯祖理论开发的。然而,这些理论模型依赖于生物和生活史的假设,这可能会违反许多原核生物,真菌,动物或植物物种。本文综述了多重合并合并模型(Λ-合并模型、β-合并模型、Bolthausen-Snitzman模型、β-合并模型)的理论进展。我们明确了这些新模型如何考虑到各种普遍的生态和生物学特征,生活史〈动〉<动>特征或生活周期〈动〉<动>,这些特征在以前的理论中没有考虑到,例如1)海洋物种典型的后代生产的偏斜,2)快速适应的微寄生虫(病毒、细菌和真菌)在流行病期间种群规模变化很大,(3)真菌和细菌交替的有性和无性循环的独特生活周期〈动〉;(4)空间结构种群的高繁殖-繁殖率。最后,我们讨论了多个合并模型的相关性,在这些物种的选择下,非常大的样本量的人口基因组学的SNP检测,并主张潜在地检查以前的群体遗传学研究的结论。
2014-01-21 q-bio.PE
Inconsistency of parsimony under the multispecies coalescent
本研究提出计算基因树期望内部枝长的新方法,证明多物种溯祖模型下拼接简约法在无根5物种时一致,但在有根5+及无根6+物种时存在统计不一致区域,表明其并非普遍可靠。
2025-02-26 q-bio.PE
Weighted Statistical Binning: enabling statistically consistent genome-scale phylogenetic analyses
由于生物过程可以使不同的位点具有不同的进化历史,物种树估计需要来自整个基因组的多个位点。虽然许多过程可以导致基因树和物种树之间的不协调,不完整的谱系排序(ILS),多物种合并建模,被认为是基因树异质性的主要原因。基于合并的方法已经被开发来估计物种树,其中许多方法通过合并估计的基因树来操作,因此被称为汇总方法。由于总结方法通常是快速的,他们已经成为非常流行的技术,估计物种树从多个位点。然而,最近的研究已经确定,在存在基因树估计误差的情况下,汇总方法可能具有降低的准确性,并且许多生物数据集具有大量的基因树估计误差,使得汇总方法在生物现实条件下可能不是高度准确的。Mirarab等人(Science 2014)提出了统计分箱技术,以改善多位点分析中的基因树估计,并表明它提高了MP-EST的准确性,MP-EST是最流行的基于合并的汇总方法之一。统计分箱,其使用简单的统计测试用于可组合性,然后使用较大的基因集合来重新计算基因树,具有良好的经验性能,但是在基因组学流水线内使用统计分箱不具有统计上一致的期望特性。我们发现,加权重新计算的基因树的bin大小,使统计分箱统计一致下的多物种合并,并保持良好的经验性能。因此,“加权统计分箱”能够实现高度准确的基因组规模的物种树估计,并且在多物种合并模型下也是统计一致的。
2015-06-03 q-bio.PE q-bio.QM