फाइलोजेनेटिक अनुमान विधियाँ
कम्प्यूटेशनल विधियों का एक परिवार, दूरी, पारसिमोनी, अधिकतम संभावना और बायेसियन, आणविक और रूपात्मक डेटा से विकासवादी वृक्षों का अनुमान लगाता है।
Definition
फाइलोजेनेटिक अनुमान विधियाँ एल्गोरिदम और सांख्यिकीय ढाँचे हैं जो देखे गए वर्ण डेटा से टैक्सोन के बीच शाखाओं के संबंधों का अनुमान लगाते हैं, आमतौर पर विकासवादी परिवर्तन के स्पष्ट मॉडल के तहत।
Scope
यह विषय वृक्ष-अनुमान विधियों के प्रमुख वर्गों को शामिल करता है: दूरी विधियाँ जैसे नेबर-जॉइनिंग, कैरेक्टर-आधारित पारसिमोनी, मॉडल-आधारित अधिकतम संभावना, और मार्कोव चेन मोंटे कार्लो का उपयोग करके बायेसियन अनुमान, साथ ही प्रतिस्थापन मॉडल, इष्टतमता मानदंड और उन्हें लागू करने वाले सॉफ्टवेयर।
Core questions
- वृक्ष-अनुमान विधियों के मुख्य वर्ग क्या हैं?
- दूरी, पारसिमोनी, संभावना और बायेसियन दृष्टिकोण कैसे भिन्न हैं?
- अनुमान में प्रतिस्थापन मॉडल की क्या भूमिका है?
- विधियाँ बड़े डेटासेट पर कैसे लागू होती हैं?
Key theories
- अधिकतम संभावना अनुमान
- अधिकतम संभावना वृक्ष और मॉडल मापदंडों का चयन करती है जो एक स्पष्ट प्रतिस्थापन मॉडल के तहत देखे गए अनुक्रमों को सबसे अधिक संभावित बनाते हैं, एक सांख्यिकीय रूप से सुसंगत ढाँचा प्रदान करते हैं।
- दूरी विधियाँ
- नेबर-जॉइनिंग जैसे दूरी के दृष्टिकोण युग्मित अनुक्रम अंतरों को तेज़ी से एक वृक्ष में परिवर्तित करते हैं, जो वर्ण-स्तर की जानकारी को त्यागने की कीमत पर गति प्रदान करते हैं।
- MCMC के साथ बायेसियन अनुमान
- बायेसियन विधियाँ मार्कोव चेन मोंटे कार्लो का उपयोग करके वृक्षों को उनकी पश्च संभाव्यता के अनुपात में नमूना करती हैं, जिससे एक वृक्ष अनुमान और अनिश्चितता का माप दोनों प्राप्त होते हैं।
Clinical relevance
इन विधियों का उपयोग रोगज़नक़ संचरण इतिहास को फिर से बनाने, विचलन घटनाओं की तारीख तय करने और नए खोजे गए जीवों को रखने के लिए किया जाता है, जो सीधे आणविक महामारी विज्ञान और तुलनात्मक जीनोमिक्स का समर्थन करते हैं।
History
1981 में फेल्सेनस्टीन के संभावना ढाँचे और 1987 में सैतो और नेई के नेबर-जॉइनिंग ने सांख्यिकीय और दूरी परंपराओं की स्थापना की; 2000 के दशक में MrBayes और RAxML जैसे व्यापक रूप से अपनाए गए सॉफ्टवेयर ने बायेसियन और बड़े पैमाने पर संभावना विश्लेषण को नियमित बना दिया।
Debates
- विधियों में गति बनाम सटीकता
- दूरी और पारसिमोनी विधियाँ तेज़ होती हैं लेकिन अधिक मजबूत सरलीकरण करती हैं, जबकि संभावना और बायेसियन विधियाँ अधिक सटीक होती हैं फिर भी कम्प्यूटेशनल रूप से मांग वाली होती हैं, एक ऐसा व्यापार-बंद जो बड़े डेटासेट के लिए विधि के चुनाव को आकार देता है।
Key figures
- Joseph Felsenstein
- Masatoshi Nei
- John Huelsenbeck
Related topics
Seminal works
- felsenstein1981
- saitounei1987
- ronquist2003
- stamatakis2006
Frequently asked questions
- अधिकतम संभावना और बायेसियन फाइलोजेनेटिक्स में क्या अंतर है?
- अधिकतम संभावना एकल वृक्ष और मापदंडों को ढूंढती है जो डेटा के लिए सबसे उपयुक्त होते हैं, जबकि बायेसियन अनुमान उनकी पश्च संभाव्यता द्वारा भारित वृक्षों का एक वितरण उत्पन्न करता है, स्वाभाविक रूप से अनिश्चितता व्यक्त करता है।
- प्रतिस्थापन मॉडल की आवश्यकता क्यों है?
- क्योंकि देखे गए अनुक्रम अंतर परिवर्तनों की वास्तविक संख्या को कम आंकते हैं जब साइटें एक से अधिक बार उत्परिवर्तित होती हैं; मॉडल असमान दरों और कई हिट्स के लिए सही करते हैं ताकि वृक्षों का सटीक अनुमान लगाया जा सके।