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
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
Anomaly zones for uniformly sampled gene trees under the gene duplication and loss model
本文刻画了基因复制与丢失模型下均匀采样基因树的异常区，通过详细的概率分析证明四物种有根平衡树不存在异常区，而有根毛虫树存在异常区，与多物种溯祖模型一致。
2024-03-28 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
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
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
There are no caterpillars in a wicked forest
物种树代表了种群或物种的历史分歧，而基因树则追溯了这些种群中采样的单个基因拷贝的祖先。在涉及快速物种形成的情况下，与物种树的拓扑结构不同的基因树在标准的多物种合并模型下可能是最有可能的，这使得物种树推断更加困难。除了一些小的例子，这种异常基因树还没有得到很好的理解。在这项工作中，我们建立了一个约束，适用于任何大小的树：基因树的“毛虫”拓扑结构不能异常。这一点的证明涉及到一个新的组合对象，称为人口历史，它记录了每个祖先人口中合并事件的数量。
2015-08-26 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
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
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
NANUQ: A method for inferring species networks from gene trees under the coalescent model
物种网络概括了物种树的概念，以允许杂交或其他横向基因转移。在网络多物种合并模型下，从网络中产生的个体基因树可以具有任何拓扑结构，但产生的频率取决于网络结构和数值参数。在此模型下，我们提出了一种新的算法，用于从由基因树拓扑结构组成的数据中对一级物种网络进行统计推断，并给出了理论证明。该算法基于对基因树上显示的四元组的分析，结合了几种统计假设检验和组合思想，如基于四元组的网络分类单元间距离，用于循环分裂系统的NeighborNet算法，以及用于构造分裂图的循环网络算法。
2019-05-16 math.ST q-bio.PE stat.TH
The Tree of Blobs of a Species Network: Identifiability under the Coalescent
根据网络多物种合并模型从基因组数据推断物种网络目前受到大量计算需求的严重限制。目前还不清楚网络有多复杂才能实现一致的推理。作为推断一般物种网络的一步，这项工作考虑了它的斑点树，其中非切割边缘收缩到节点，因此只显示分类群之间的树状关系。建立了一个可识别性定理，即无根二进制大对象树的大多数特征可以由基因四重体拓扑的分布来确定。这取决于在该模型下的基因四重奏一致性因素的分析，以及一个新的组合推理规则。这一理论结果的论点提出了一个实用的算法树的斑点推理，在随后的工作中得到充分发展。
2022-05-06 math.ST q-bio.PE stat.TH
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
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
Covariance Decomposition for Distance Based Species Tree Estimation
本研究推导了多物种溯祖与替代模型下距离估计的协方差分解，识别噪声主导区间，并基于此实现高斯采样以提升METAL树的置信度估计可靠性。
2025-07-10 math.CO 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
Species tree inference by the STAR method, and generalizations
多物种合并模型描述了从一个有根的度量物种树的基因树的生成，从而提供了一个框架，从采样基因树的物种树的推断。我们证明了刘等人的STAR方法，及其推广，是该模型下拓扑种树推理的统计一致性方法。我们讨论的影响，基因树抽样方案的物种树推断使用广义STAR方法，并重新解释原来的STAR作为一个共识的方法的基础上的分支。
2012-04-19 math.ST q-bio.PE stat.TH
Species tree inference from gene splits by Unrooted STAR methods
$\text{NJ}_{st}$方法是Liu和Yu提出的一种从无根拓扑基因树中推断物种树拓扑结构的方法。虽然它的统计一致性下的多物种合并模型只建立了一个4分类群树，模拟表明其良好的性能基因树推断序列的许多分类群。在这里，我们证明了一个任意大的物种树的方法的统计一致性。我们的方法连接$\text{NJ}_{st}$到刘，珍珠和爱德华兹的STAR方法的推广，和以前的理论分析it.We进一步表明，$\text{NJ}_{st}$只利用基因树中的分裂的分布，而不是他们的个人拓扑结构。最后，我们将讨论如何处理多个样本，每个分类群，每个基因的统计一致性。
2016-04-18 math.ST q-bio.PE stat.TH
Quartet-Based Inference Methods are Statistically Consistent Under the Unified Duplication-Loss-Coalescence Model
经典的多物种合并（MSC）模型提供了不完全谱系排序意识的物种树推理方法的理论依据。遗传学中的大量工作致力于设计在MSC下统计上一致的推理方法。其中一个特别流行的方法是ASTRAL，一种基于四分之一的物种树推理方法。最近的一些研究表明，ASTRAL在模拟研究中使用多位点基因树时也表现良好。此外，Legried等人最近证明，ASTRAL在基因复制和丢失模型（GDL）下具有统计学一致性。请注意，GDL在进化历史中很普遍，是Rasmussen和Kellis提出的强大的复制-损失-合并进化模型（DLCoal）的一部分。在这项工作中，我们证明了ASTRAL在一般DLCoal模型下是统计一致的。因此，我们的研究结果支持了基于模拟的研究的经验证据。更广泛地说，我们证明了随机选择的四重奏从基因树（具有独特的类群）更有可能同意各自的物种树四重奏比任何其他两个四重奏。
2020-04-08 math.PR q-bio.PE
Ultrafast learning of 4-node hybridization cycles in phylogenetic networks using algebraic invariants
针对传统系统发育网络方法扩展性差、速度慢的问题，提出基于一致性因子代数不变量的level-1网络重建方法，无需优化和网络遍历，速度比现有最快方法快至少10倍，已实现为开源Julia包。
2023-11-09 math.AG q-bio.PE stat.AP
