Minimal-assumption inference from population-genomic data
多个完整基因组序列的样本包含了大量关于种群进化历史的信息,其中大部分是不同位点多态性之间的关联。目前利用这种连锁信息的方法依赖于重组和合并的模型,限制了他们可以分析的样本量和群体。我们介绍了一种方法,最小假设基因组推断的聚结(MAGIC),重建的进化历史的关键特征,包括聚结时间的分布,通过整合跨基因组长度尺度的信息,而不使用一个明确的重组模型,人口统计学或选择。使用模拟数据,我们表明,MAGIC的性能是可比的PSMC的单二倍体样品产生的标准合并和重组模型。更重要的是,MAGIC还可以分析任意大的样品,并且对合并和重组过程的变化具有鲁棒性。使用MAGIC,我们表明,推断的聚结时间历史的多个人类基因组的样本表现出不一致的描述方面的有效种群大小的基础上单基因组数据。
2016-11-06 q-bio.PE
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
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
Simulating Genomes and Populations in the Mutation Space: An example with the evolution of HIV drug resistance
当模拟不同进化遗传模型下的生物种群时,可以遵循向后或向前策略。反向模拟,也称为基于聚结的模拟,在计算上非常有效。然而,这个框架施加了一些限制,向前模拟没有。在这项工作中,提出了一种新的简单而有效的模型来执行人口和/或基因组的前向模拟。其基本思想认为个体是该个体与参考或共有基因型之间的差异(突变)。因此,该个体不再由其完整序列或基因型代表。一个新的模型相对于一个更经典的前一个效率的例子被证明。本实施例使用B_FR. HXB 2参考序列模拟HIV抗性的进化,以研究已知的对齐多夫定和去羟肌苷药物的抗性突变体的出现
2007-12-30 q-bio.GN q-bio.OT q-bio.PE
SCOTTI: Efficient Reconstruction of Transmission within Outbreaks with the Structured Coalescent
利用病原体基因组重建传播是抗击传染病的有力工具。然而,他们的解释依赖于一些简化的假设,经常忽略了重要的复杂性的真实数据,特别是在主机内的演变和非抽样患者。在这里,我们提出了一种新的方法来传输推理称为SCOTTI(结构化合并传输树推理)。该方法基于一个统计框架,该框架将每个主机建模为不同的种群,并将主机之间的传输建模为迁移事件。我们的计算效率实现这个模型,使主机到主机传输的推断,同时容纳内主机的演变和非采样主机。SCOTTI是作为系统发育软件BEAST 2的开源软件包分发的。我们表明,SCOTTI通常可以推断传输事件,即使在存在相当大的主机内的变化,可以占与可能存在的非采样主机的不确定性,并可以有效地使用来自同一主机的多个样本的数据,虽然有一些减少的准确性时,收集的样本非常接近感染时间。我们通过调查英国口蹄疫病毒(FMDV)兽医疫情和尼泊尔新生儿肺炎克雷伯菌疫情的遗传和流行病学数据,说明了我们方法的特点。传播史推断与SCOTTI将是重要的,在制定有效的措施,以防止和停止传输。
2016-03-07 q-bio.PE
Genetic Diversity and the Structure of Genealogies in Rapidly Adapting Populations
正向选择扭曲了系谱结构,从而改变了种群内的遗传变异模式。大多数对这些扭曲的分析都集中在搭便车的特征上,这是由于对单个基因位点的硬或软选择性扫描。然而,在快速适应基因组的相关区域中,不同基因座的多个有益突变可以同时在群体中分离,这种效应称为克隆干扰。这导致搭便车和干扰效应之间的微妙相互作用,从而导致在选定的位点和连锁的中性位点上对遗传变异的快速适应的独特特征。在这里,我们介绍了一个有效的溯祖理论(一个“健身类聚结”),描述了如何积极选择在许多完美的连锁网站改变结构的家谱。我们使用这个理论来计算几个简单的统计描述快速适应人口内的遗传变异,并实现有效的向后时间合并模拟,可用于预测克隆干扰如何改变预期的分子进化模式。
2012-08-16 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
Not Just $N_e$ $N_e$-more: New Applications for SMC from Ecology to Phylogenies
本文概述了顺序马尔可夫共祖(SMC)模型及其近期扩展,探讨了其在生态学和系统发育学中的新应用,并评论了相关方法的优缺点。
2025-05-31 q-bio.PE
Human Genome Variation and the concept of Genotype Networks
基因型网络是系统生物学中用于研究具有相同表型的一组基因型的“创新性”的方法。在过去,它们已被应用于确定遗传异质性和突变的稳定性,如代谢网络和RNA折叠系统。最近,它们成为重新调和进化论中的中立派和选择派的基础。在这里,我们将基因型网络的概念应用于群体遗传学数据的研究,并将其应用于1000个基因组数据集。我们使用由单核苷酸变异体(SNV)的短单倍型组成的网络,并将表型定义为人类群体中单倍型的存在或不存在。我们使用合并模拟来确定1000个基因组数据集中的样本数量是否足够大,以代表真实种群的遗传变异。其结果是对与遗传异质性和突变稳定性相关的特性如何沿人类基因组分布的扫描。我们发现,参与获得性免疫的基因,如一些HLA和MHC基因,往往具有最多的异质性和连接网络;我们还发现,编码区和非编码区的网络之间存在很小但显著的差异,这表明编码区的基因型多样性更丰富,对突变更稳定。总之,这里提出的工作可能构成应用基因型网络研究基因组变异的起点,因为下一代数据的更大数据集将变得可用。
2013-12-19 q-bio.PE
The diversity of a distributed genome in bacterial populations
分布式基因组假说认为,细菌种群中的基因组分布在属于特定分类单元的所有个体中,这意味着某些基因可以在一代又一代中获得和丢失。我们使用由一个金曼结合者给出的随机系谱,以便沿着祖先线来描述基因获得和丢失的事件。基因增益发生在一个恒定的速度沿祖先线。我们假设获得的基因以前从未出现在人群中。基因丢失的发生率与沿着祖先线存在的基因数量成正比。在这个无限多基因模型中,我们得到样本中几个统计量的矩:每个个体的平均基因数,个体之间不同基因的平均数,不一致基因对的数量,样本中不同基因的总数和基因频谱。我们证明,该模型给出了一个合理的拟合与海洋蓝藻的基因频率数据。
2010-11-05 math.PR q-bio.PE
phylodyn: an R package for phylodynamic simulation and inference
我们介绍了一个基于基因谱系的基因动态分析的R软件包RSDYN。该软件包的主要功能是对有效种群大小随时间的波动进行贝叶斯非参数估计。我们的实现包括几个马尔可夫链蒙特卡洛为基础的方法和集成的嵌套拉普拉斯近似为基础的方法,近年来已开发的动态推理。系谱数据描述了从感兴趣的群体中取样的个体的定时祖先关系。这里,假设个体在同一时间点(等距采样)或在不同时间点(异序采样)采样;此外,采样事件可以用优先采样建模,这意味着采样事件的强度允许取决于有效种群大小轨迹。我们假设合并和顺序马尔可夫合并过程的生成模型的系谱。我们包括几个聚结模拟功能,这是有用的,通过模拟研究来测试我们的聚结动力学方法。我们比较的性能和输出的各种方法在Escherdyn和概述他们的优点和缺点。R软件包Rightdyn可在https://github.com/mdkarcher/phylodyn上获得。
2016-10-18 q-bio.PE stat.CO
Genome-wide inference of ancestral recombination graphs
一系列正交DNA序列的复杂相关结构被“祖先重组图”(ARG)唯一捕获,ARG是样本历史中聚结和重组事件的完整记录。然而,现有的ARG推理方法是计算密集型的,高度近似的,或仅限于少量的序列,因此,显式ARG推理很少用于应用人口基因组学。在这里,我们介绍了一种新的算法ARG推理,是足够有效的,适用于几十个完整的哺乳动物基因组。我们的方法的关键思想是采样的ARG的n-1个染色体的ARG的条件,我们称之为“线程操作。“使用基于隐马尔可夫模型的技术,我们可以精确地执行这种线程操作,直到序列马尔可夫合并和时间离散化的假设。扩展允许子树的线程化而不是单个序列。重复应用这些线程操作的结果在高效的马尔可夫链蒙特卡罗采样ARG。我们已经实现了这些方法在一个计算机程序称为ARGweaver。模拟数据的实验表明,ARGweaver收敛迅速,真正的后验分布,是有效的恢复各种功能的ARG的几十个序列下产生的现实参数为人类种群。在将ARGweaver应用于来自完整基因组学的54个人类基因组序列时,我们发现了自然选择的明确特征,包括与平衡选择和定向选择〈动〉<动>下等位基因年龄降低相关的异常古老祖先区域。初步结果还表明,我们的方法可以用来深入了解人类人口结构的复杂特征,即使是在无信息先验分布的情况下。
2013-12-03 q-bio.PE
The SMC' is a highly accurate approximation to the ancestral recombination graph
两个顺序马尔可夫合并模型(SMC和SMC ')可作为易于处理的近似祖先重组图(ARG)。我们提出了一个马尔可夫过程,描述在两个固定点沿一对序列的合并下SMC '的发展。使用我们的马尔可夫过程,我们得到了一些新的量有关的成对SMC ',从而分析量化的SMC'和ARG之间的相似性的第一次。我们使用我们的过程表明,在SMC'下的重组位点的成对聚结时间的联合分布是相同的,它是在ARG下的边缘,这表明SMC'是,在一个特定的定义明确的,直观的意义上,最合适的一阶序列马尔可夫近似的ARG。最后,我们利用这些结果证明了在两两SMC下的种群大小估计是渐近有偏的,而在两两SMC下的种群大小估计是近似渐近无偏的。
2015-03-04 q-bio.PE
Gaussian Process-Based Bayesian Nonparametric Inference of Population Trajectories from Gene Genealogies
种群规模的变化影响种群的遗传多样性,因此,在种群中的个体基因组中留下这些变化的签名。我们感兴趣的是从基因组数据重建过去的种群动态的逆问题。我们从一个标准的框架开始,该框架基于聚结,这是一个随机过程,它生成连接感兴趣的群体中随机抽样个体的系谱。这些家谱是人口统计学历史和基因组序列之间的粘合剂。事实证明,只有系谱谱系合并的时间包含有关人口规模动态的信息。将这些合并时间视为一个点过程,估计种群规模轨迹相当于估计该点过程的条件强度。因此,我们的反问题类似于估计一个非齐次泊松过程强度函数。我们演示了如何在高斯过程为基础的非参数推断泊松过程的最新进展,可以扩展到贝叶斯非参数估计的人口规模动态下的合并。我们比较我们的高斯过程(GP)的方法,最先进的高斯马尔可夫随机场(GMRF)的方法估计人口轨迹。利用模拟数据,我们证明了我们的方法具有更好的准确性和精度。接下来,我们分析了从丙型肝炎病毒和人类甲型流感病毒的真实序列重建的两个谱系。在这两种情况下,我们恢复更多的相信方面的病毒人口统计学的历史比GMRF的方法。我们还发现,我们的GP方法产生更合理的不确定性估计比GMRF方法。
2012-10-14 q-bio.PE stat.ME
Population genetics of identity by descent
高通量基因分型和测序技术的最新改进已经提供了来自数十万个体的DNA信息的大规模全基因组数据集的收集。反过来,这些数据集提供了前所未有的机会来重建人类种群的历史并检测基因型-表型关联。最近开发的计算方法可以识别在样本中相同的长距离染色体片段,并且这些片段是从过去生活了几十到几百代的共同祖先传播的。这些片段揭示了携带个体通常不知道的家谱关系。在这项工作中,我们证明,这种相同的血统(IBD)的部分是信息的一些相关的群体遗传学功能:他们能够推断过去的人口规模波动,迁移事件的细节,他们携带的基因组签名的自然选择。我们推导出一个数学模型,基于溯祖理论,允许在据称无关的个人之间的IBD共享的定量描述,并开发推理程序重建最近的人口统计事件,经典的方法是统计不足。我们分析了几个当代人群中的IBD共享,包括犹太散居的代表性社区,肯尼亚马赛样本和来自荷兰几个省的个人,在所有情况下,从近代历史中检索细规模人口统计学事件的证据。最后,我们扩展了所提出的模型来描述那些在IBD共享的区段,窝藏突变事件的网站的分布,显示这些可能是如何用于推断人类和其他物种的突变率。
2014-03-19 q-bio.PE q-bio.QM