Phylogenetic mixtures: Concentration of measure in the large-tree limit
从DNA或蛋白质序列中重建基因组是计算进化生物学的一项重要任务。常见的现象,特别是基因组突变率的变化和基因谱系历史之间的不一致性,往往需要将分子数据建模为起源于混合基因。这种混合模式在实践中发挥着越来越重要的作用。使用浓度的测量技术,我们表明,混合的大树通常是可识别的。我们还推导出高概率重建的序列长度要求。
2012-11-29 cs.DS math.PR math.ST
Full Reconstruction of Non-Stationary Strand-Symmetric Models on Rooted Phylogenies
了解物种之间的进化关系对生物科学具有根本的重要性。根在任何系统发育树中的位置都是至关重要的,因为它为进化事件提供了一个顺序。没有一个流行的模型的核苷酸进化的可能性或贝叶斯方法能够推断出的位置的根没有外源信息。已知核苷酸取代的最一般的马尔可夫模型也不能识别根的位置或适合于具有少于三个序列的多个序列比对。我们证明了根的位置和完整的模型可以确定和统计一致估计的非平稳,链对称的替代模型给出了多个序列比对与两个或更多个序列。我们还概括了早期的工作,提供了一个实用的方法,克服了计算上难以解决的问题,标签隐藏状态的系统发育模型。
2016-11-13 math.PR q-bio.GN q-bio.PE
Phylogenies without Branch Bounds: Contracting the Short, Pruning the Deep
我们引入了一个新的系统发育重建算法,不像以前的严格推理技术,不依赖于假设的分支长度或深度的树。该算法返回一个森林,保证包含所有边缘:1)足够长,2)足够接近叶子。恢复多少真树取决于提供的序列长度。该算法是基于距离的,在多项式时间内运行。
2009-07-28 cs.CE cs.DS math.PR
PGA: A Program for Genome Annotation by Comparative Analysis of Maximum Likelihood Phylogenies of Genes and Species
系统发生基因组注释器(PGA)是一个计算机程序,可以实时比较从全基因组数据的预测开放阅读框获得的“基因树”与“物种树”。对于每个单独的基因组预测的蛋白质推断基因同源性,而从rDNA数据推断物种同源性。由PFAM定义的相关蛋白质结构域随后与相应物种的同源性并排显示。用四重困惑法给出了基因簇(分支)的统计支持。这种分析很容易区分旁系同源物和直系同源物,从而能够鉴定由基因重复产生的蛋白质,并预测相似序列组中可能的功能差异。
2014-04-02 q-bio.GN q-bio.PE
The effect of non-reversibility on inferring rooted phylogenies
大多数系统发育模型假设进化过程是稳定的和可逆的。因此,无法将树根推断为分析的一部分,因为数据的可能性不取决于树根的位置。然而,定义系统发育树的根是系统发育推断的一个关键组成部分,因为它为分化祖先/后代关系提供了一个参考点,从而解释了树。在本文中,我们研究放松可逆性假设,并允许根的位置是另一个未知的模型中的效果。我们提出了两个层次模型,是集中在一个可逆的模型,但扰动,允许不可逆性。这些模型在施加于扰动的结构程度上有所不同。分析是在贝叶斯框架下使用马尔可夫链蒙特卡罗方法。我们说明了两种不可逆模型的性能,在模拟数据集的分析使用两种类型的拓扑先验。然后,我们将模型应用到一个真正的生物学数据集,辐射的多倍体酵母,其中有一个强大的生物学意见的根位置。最后,我们将模型应用于第二个生物学数据集,其中有根树是有争议的:核糖体生命树。我们比较了这两个不可逆模型,并得出结论,这两个都是有用的根从真正的生物学数据集的位置推断。
2017-02-20 q-bio.PE
A Statistical Test for Clades in Phylogenies
我们调查测试的可能性,通过比较其子树修剪和重嫁接(SPR)的邻居,有或没有重新优化分支长度的系统发育树。这是受到贝叶斯显著性检验的启发,并使用SPR来精确地找到极大似然树。通过在各种拓扑结构上使用Jukes-Cantor模型的大量模拟,观察到SPR测试是信息丰富的,并且与搜索极大似然树相比相当快。这表明,SPR测试将是一个有用的除了现有的统计测试套件,用于识别推断的拓扑结构的潜在不准确性。
2014-07-29 q-bio.PE stat.AP
The Shape of Phylogenies Under Phase-Type Distributed Times to Speciation and Extinction
系统发育树被广泛用于了解生物的进化历史。树形结构提供了宏观进化过程的信息。然而,宏观进化模型是不可靠的推断经验树的真实过程。在这里,我们提出了一个灵活的和生物学上合理的宏观进化模型的系统发育树的时间物种形成或灭绝事件是从Coxian相型(PH)分布。首先,我们表明,在我们的模型中的参数的不同选择导致一系列的树木平衡测量Aldous的$β$统计。特别是,我们证明,这是可能的,找到对应的参数,以及经验树平衡。接下来,我们提供了一个自然的扩展的$β$统计树集。与使用来自单个树的中值$β$相比,该扩展产生的$β$的偏倚估计值更小。此外,我们推导出一个概率的似然表达式观察任何树的分支长度下的物种形成,但没有灭绝的模型。最后,我们说明了我们的模型的应用程序,通过执行绝对和相对的拟合优度检验两个大的经验adminogenies(有鳞动物和被子植物),比较模型与Coxian PH分布时间的物种形成模型,假设指数或Weibull分布的等待时间。在我们的数值分析中,我们发现,在大多数情况下,假设Coxian PH分布的模型提供了最佳拟合。
2021-10-08 q-bio.PE
Phylogenetic reconstruction of the cultural evolution of electronic music via dynamic community detection (1975-1999)
文化起源,或文化的“树”,通常是使用生物学的方法建立的,这些方法使用文物的相似性和差异来推断产生它们的人口之间的历史关系。虽然这些方法已经产生了重要的见解,特别是在语言学,研究人员继续辩论的程度,文化同源性是树状或网状的,由于高水平的水平传输。在这项研究中,我们提出了一种新的方法,系统发育重建,使用动态社区检测,明确占谱系之间的传输。我们使用了来自电子音乐艺术家之间的1,498,483个合作关系的数据,根据观察到的人口结构构建了一个文化遗传学。研究结果表明,虽然遗传学基本上是树状的,但水平传播是常见的,种群之间从未完全隔离。此外,我们发现证据表明,电子音乐的多样性在1975年至1999年间有所增加。本研究中使用的方法可作为一个新的R软件包,称为DynCommPhylo。未来的研究应该将这种方法应用于其他文化系统,如学术出版和电影,以及高分辨率生殖数据可用的生物系统,以评估进化中的网状化水平如何在不同领域中变化。
2020-11-05 q-bio.PE stat.AP
A tree metric using structure and length to capture distinct phylogenetic signals
系统发育树是理解进化的核心工具。它们通常从序列数据推断,并通过时间捕获进化关系。能够比较来自不同数据源(例如来自相同生物体的几个基因)和不同推理方法的树是至关重要的。我们提出了一个新的度量的强大的,定量比较的根,标记的树。它可以清晰地可视化树空间,给出树之间有意义的比较,并可以检测树的后验分布中的树拓扑的不同岛屿。这使得选择支持良好的摘要树成为可能。我们展示了我们对登革热病原体的方法。
2015-09-11 q-bio.PE
The Dawn of Open Access to Phylogenetic Data
科学事业在很大程度上取决于对已发表数据的保存和开放获取。这一基本原则非常适用于物种间进化关系的估计。越来越多地,从越来越大的基因组规模的数据集,使用越来越复杂的统计方法,需要越来越多的专业知识和计算投资水平来估计基因组。此外,由此产生的系统发育数据提供了一个明确的历史观点,批判性地通知在广大和越来越多的科学学科的研究。其中一个用途是研究随着时间的推移谱系多样化(物种形成-灭绝)的变化率。作为该领域荟萃分析的一部分,我们试图从13年内发表在46种期刊上的217项研究中收集系统发育数据(包括核苷酸序列比对和树文件)。我们记录了我们获取这些数据的尝试(从在线档案和直接请求相应的作者),并报告分析结果(使用贝叶斯逻辑回归),以评估各种因素对我们工作成功的影响。总体而言,这些研究中约60%的完整系统发育数据实际上已经丢失。我们的研究表明,系统发育数据更有可能被存放在在线档案和/或应要求共享时:(1)出版期刊有一个强大的数据共享政策;(2)出版期刊有较高的影响因子,和;(3)数据是从教师而不是学生要求。虽然情况看起来很糟糕,但我们的分析表明,这远非毫无希望:科学界最近的举措-包括期刊和资助机构的政策变化-正在改善事态。
2014-05-23 cs.DL q-bio.PE
Efficient Enumeration of the Directed Binary Perfect Phylogenies from Incomplete Data
研究了在给定不完整数据集时基于特征的遗传重构问题。更具体地说,我们考虑的情况下,有向完美的同源性假设与二进制字符,其中一些物种的一些字符的状态是失踪。我们的主要目标是给出一个有效的算法来枚举(或列出)所有的完美的可重复性,可以得到当缺失的条目完成。虽然一个简单的分支定界算法(B&B)在理论上表现出良好的性能,我们提出了另一种方法的基础上零抑制二进制决策图(ZDD)。在随机生成的数据上的实验结果表明,ZDD方法优于B&B。我们还证明,计数系统发育树的数量与给定的数据是P-完全的,从而提供了一个证据,一个有效的随机抽样似乎很难。
2012-03-15 cs.DS q-bio.PE
On properties driving diversity index selection
本研究探讨如何找到最合适的系统发育多样性指数,具体分析了将捕捉高水平PD的要求形式化、在边长度不确定时维持分类单元评分的驱动作用,并通过案例研究展示新选择机制且与现有指数比较。
2025-02-11 math.OC 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
Likelihood-free inference of phylogenetic tree posterior distributions
Sorbonne Université(索邦大学);Université Lyon 1(里昂第一大学)
本文提出了一种无需似然推断的系统发育树后验分布推断方法,通过新的序列对编码和子树合并的概率分布因子化,实现了更准确的树拓扑结构估计,尤其在难以计算似然的模型中表现更优。
2026-06-28 q-bio.PE q-bio.QM
Fidelity of Hyperbolic Space for Bayesian Phylogenetic Inference
本文提出将基因组序列嵌入双曲空间并用双曲 MCMC 做贝叶斯系统发育推断,在八个数据集上验证其可高保真恢复分支划分与长度。
2022-06-16 q-bio.PE
Detection of adaptive shifts on phylogenies using shifted stochastic processes on a tree
比较生态学家和进化生态学家对数量性状在相关物种中的分布很感兴趣。这些分布的经典框架包括一个随机过程,沿着与物种相关的系统发育树的分支运行。我们认为,在过程参数的变化,这表明快速适应生态位的变化。我们发现,模型的转变是不可识别的一般。限制模型的数量是简约的转变,部分地解决了这个问题,但几个进化的情况下仍然可以提供相同的联合分布的现存物种。我们提供了一个递归算法来枚举所有等效的场景,并计算有效的不同的场景。我们引入了一个不完全数据的框架,并开发了一个极大似然估计程序的基础上的期望最大化算法。最后,我们提出了一个模型选择过程,基于基数的有效方案,估计的转移数量,并证明了一个预言不等式。
2016-07-13 q-bio.PE stat.AP
A basic limitation on inferring phylogenies by pairwise sequence comparisons
遗传学中基于距离的方法,如邻居连接,是一种快速和流行的构建树的方法。这些方法从它们中提取序列对,构建一个值,在预期中,该值在位点替换的随机模型下是可加的。大多数模型假设利率在各个地点之间的分布,通常基于伽马分布。只要已知该分布的形状参数,该方法就能正确地重建树。然而,如果形状参数是未知的,那么我们表明,拓扑结构不同的树,具有不同的形状参数和相关的正分支长度,可以导致完全匹配的分布成对网站模式之间的所有对分类群。因此,在没有形状参数的一些先验知识的情况下,不能使用序列对来区分两棵树。更令人惊讶的是,对于两棵树上的不同形状参数的{ \em any}选择,这可能发生,因此结果不是形状参数的特定或人为选择所特有的。在一个积极的注意,我们指出了已知的条件下,可识别性可以恢复(即,当分支长度是时钟,或者如果使用的方法,如最大似然)。
2008-08-19 q-bio.PE
EM for phylogenetic topology reconstruction on non-homogeneous data
背景:四个分类群的系统发育树拓扑结构的重建仍然是植物遗传学的主要挑战之一。它的困难在于考虑的进化模型没有太多的限制,正确处理长枝吸引问题。正确的重建4-taxon树是至关重要的,使四分之一为基础的方法的工作,并能够恢复大的同源性。结果如下:在本文中,我们考虑的期望最大化方法最大化的可能性(时间非齐次)的树上的进化马尔可夫模型。我们研究了它在重建4-taxon拓扑结构上的成功,以及它在基于四元系统发育重建方法(如QFIT和QuartetSuite)中作为输入方法的性能。我们的研究结果表明,这里提出的方法优于相邻连接和通常的(时间均匀连续时间)最大似然方法的4叶树与非线性瞬时速率异质性,并执行类似于通常的连续时间最大似然数据满足两种方法的假设。结论:本文提出的方法是非常适合于重建拓扑结构的任何数量的类群通过基于四分之一的方法,是高度准确的,特别是关于很大程度上发散树和时间非均匀数据。
2014-06-18 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
Finding high posterior density phylogenies by systematically extending a directed acyclic graph
本文基于子分裂有向无环图 sDAG 研究系统搜索高后验密度系统发育树的方法,提出两种局部重排排序与选择方案,并发现简单聚合策略更快且能找回更多可能树。
2024-11-18 q-bio.PE
Phylogenomics with Paralogs
系统基因组学严重依赖于精心策划的序列数据集,对于每个基因,完全由1:1-正向同源序列组成。旁系同源物被视为一种危险的滋扰,必须被检测和清除。我们在这里表明,这种严格的限制的数据集是没有必要的。在数学遗传学的最新进展的基础上,我们证明了基因重复传递有意义的系统发育信息,并允许推断合理的系统发育树,提供直系同源物和旁系同源物可以区分一定程度的确定性。从无树的同源性估计开始,共图编辑可以充分降低噪声,以找到正确的事件注释的基因树。然后,基因树的信息可以直接转化为物种树上的约束。虽然分辨率是非常差的个别基因家族,我们表明,全基因组的数据集足以产生完全解决的系统发育树,即使在存在水平基因转移。我们表明,在大的基因家族中的旁系同源物的分布本身包含足够的系统发育信号,以推断完全解决的物种同源性。这种系统发育信息的来源是独立的信息中所包含的直向同源序列,并对水平基因转移是有弹性的。一个重要的结果是,基因组学数据集不需要限制为1:1的直系同源物。
2017-12-18 cs.DM q-bio.PE
Beyond cognacy
University of Tübingen(蒂宾根大学)
本文比较了传统词源集方法与两种自动方法在语言谱系分析中的效果,发现基于MSA的方法能产生更一致的树结构,预测 typological 变异更准确,具有更清晰的谱系信号。
2026-08-11 cs.CL q-bio.PE
Leaping through tree space: continuous phylogenetic inference for rooted and unrooted trees
University of Oxford(牛津大学);Imperial College London(伦敦帝国学院);University of Copenhagen(哥本哈根大学)
提出一种可微的连续树空间松弛方法,用于同时探索和推断有根与无根系统发育树,提升推断准确性并适用于数据极少的经验场景。
2024-01-23 cs.LG q-bio.PE
How to make any method "fail": BAMM at the kangaroo court of false equivalency
BAMM软件已被广泛用于研究系统发育树上物种形成、灭绝和表型进化的动态。该程序实现了一个基于模型的聚类算法,以确定分支,共享共同的宏观进化速率动态和估计速率参数。Meyer和Wiens(M&W)最近在Evolution(2017)上发表的一项模拟研究声称,(i)多样化率的简单(“MS”)估计比BAMM表现得更好,(ii)用BAMM推断的进化率与生成模型中的真实率弱相关。我证明,他们的评估遭受两个主要的概念错误,无效的主要结论。这些统计考虑并不是BAMM特有的,并且适用于从经验数据估计参数的所有方法,其中数据的真实分组结构是未知的。首先,BAMM和MS估计量之间的M& Wavelet比较遭受错误的等价性,因为MS估计量被给予了关于模拟概率上的速率变化的位置的完美的先验知识。BAMM没有给出这样的信息,必须同时估计的数量和位置的速率变化的数据,从而导致在一个巨大的自由度的MS estimators.When这两种方法被赋予等效的信息,BAMM大大优于MS estimators.When的自由度的优势。其次,M& Wyndham实验设计无法评估参数的可靠性,因为他们的分析将治疗组间的小效应量与参数估计的误差混为一谈。几乎所有基于模型的数据划分框架都容易受到M&W中统计错误的影响,包括群体遗传学、遗传学和比较方法中流行的聚类算法。
2017-11-09 q-bio.PE q-bio.QM