摘要

系统发育比较方法使用随机过程,如布朗运动,在系统发育树上模拟连续性状的进化。越来越多的非渐进进化证据推动了复杂模型的开发,这些模型通常基于Lévy过程。然而,他们的统计推断是计算密集型的,目前依赖于近似、高维采样或数值积分。这里我们考虑Cauchy过程(CP),这是一个特殊的纯跳跃Lévy过程,其中沿着每个分支的性状增量遵循一个中心Cauchy-分布,其离散度与长度成正比。在这项工作中,我们导出了一个精确的算法,用于计算CP下系统发育的尖端特征值的联合概率密度以及二次时间内的祖先特征值和分支增量后验密度。一项模拟研究表明,CP在比较数据中生成不同于任何高斯过程的模式,限制最大似然参数估计和根特征重建对于200个或更少尖端的树是无偏和准确的。CP只有两个参数,但足够丰富,可以捕捉复杂的脉冲演化。它可以重建多模态的后天祖先性状分布,反映出与仅从现有分类群推断性状进化历史相关的不确定性。CP应用于进化生态学和病毒学文献中的经验数据集,为大安的列斯群岛蜥蜴的体型进化和西尼罗河病毒在北美的地理传播提出了细微的假设,这两种假设都与之前使用更复杂模型的研究一致。该方法是在C语言中有效实现的,包cauphy中有一个R接口,它是开源的,可以在线免费获得。

本文根据牛津大学出版社标准期刊出版模式的条款出版和发行(https://academic.oup.com/pages/standard-publication-resue-rights)
副主编: 迈克尔·兰迪斯
迈克尔·兰迪斯
助理编辑
搜索此作者的其他作品:

您当前没有访问此文章的权限。