系統推定法

距離法、パースィモニー法、最尤法、ベイズ法といった計算手法群は、分子データや形態データから進化系統樹を推定します。

Definition

系統推定法とは、観察された形質データから分類群間の分岐関係を推定するアルゴリズムおよび統計的フレームワークであり、通常、進化変化の明示的なモデルに基づいて行われます。

Scope

このトピックでは、系統樹推定の主要なクラスである、近隣結合法などの距離法、形質ベースのパースィモニー法、モデルベースの最尤法、マルコフ連鎖モンテカルロ法を用いたベイズ推論について、置換モデル、最適性基準、およびそれらを実装するソフトウェアとともに解説します。

Core questions

• 系統樹推定法の主なクラスは何ですか？
• 距離法、パースィモニー法、尤度法、ベイズ法はどのように異なりますか？
• 置換モデルは推論においてどのような役割を果たしますか？
• 大規模データセットに対して、これらの方法はどのようにスケールしますか？

Key theories

最尤推論

最尤法は、明示的な置換モデルの下で、観察された配列を最も確からしくする系統樹とモデルパラメータを選択し、統計的に一貫したフレームワークを提供します。

距離法

近隣結合法のような距離アプローチは、ペアワイズ配列の違いを迅速に系統樹に変換します。これは速度を提供しますが、形質レベルの情報を破棄するという代償を伴います。

MCMCを用いたベイズ推論

ベイズ法は、マルコフ連鎖モンテカルロ法を用いて、事後確率に比例して系統樹をサンプリングし、系統樹の推定値と不確実性の両方を提供します。

Clinical relevance

これらの方法は、病原体の伝播履歴の再構築、分岐イベントの年代推定、新しく発見された生物の配置などに用いられ、分子疫学や比較ゲノミクスを直接的に支援します。

History

1981年のフェルゼンシュタインによる尤度フレームワークと、1987年の斎藤と根井による近隣結合法は、統計的伝統と距離法の伝統を確立しました。2000年代にはMrBayesやRAxMLといった広く採用されたソフトウェアが登場し、ベイズ解析や大規模な尤度解析が日常的に行われるようになりました。

Debates

各手法における速度と精度の比較

距離法とパースィモニー法は高速ですが、より強い単純化を行います。一方、尤度法とベイズ法はより正確ですが、計算コストが高く、このトレードオフが大規模データセットにおける手法選択を決定します。

Key figures

• Joseph Felsenstein
• Masatoshi Nei
• John Huelsenbeck

Seminal works

• felsenstein1981
• saitounei1987
• ronquist2003
• stamatakis2006

Frequently asked questions

最尤系統解析とベイズ系統解析の違いは何ですか？

最尤法はデータに最もよく適合する単一の系統樹とパラメータを見つけますが、ベイズ推論は事後確率によって重み付けされた系統樹の分布を生成し、不確実性を自然に表現します。

置換モデルが必要なのはなぜですか？

観察される配列の違いは、サイトが複数回変異した場合に真の変異数を過小評価するためです。モデルは、不均等な変異率と多重ヒットを補正し、系統樹を正確に推定するために必要です。