用于流行病学和化石校准的采样祖先树的贝叶斯推断

包含化石或通过时间采样的分子序列的系统发育分析需要允许一个样本是另一个样本的直接祖先的模型。由于先前可用的系统发育推断工具假设所有样本均为叶节点，因此不允许这种可能性。我们开发并实现了一种贝叶斯马尔可夫链蒙特卡洛 (MCMC) 算法，以推断我们所谓的采样祖先树，即其中被采样的个体可以是其他被采样个体的直接祖先的树。我们使用了一类出生 - 死亡模型，其中个体在被采样后可能保留在树过程中；特别是，我们将出生 - 死亡天际线模型 [Stadler et al, 2013] 扩展到了采样祖先树。该方法允许检测采样祖先，并估计个体在被采样时从过程中移除的概率。我们表明，当所有样本来自不同时间点时，采样祖先生 - 死模型是不可识别的，因此需要已知一个参数才能推断其他参数。我们将此方法应用于流行病学数据，其中采样祖先的可能性使我们能够识别在被采样后感染了其他个体的个体，并推断基本的流行病学参数。我们还应用该方法在物种样本中包含化石时推断分歧时间和多样化速率，从而将化石化事件建模为树分支过程的一部分。正如文献中所论证的那样，这种建模具有许多优势。该采样器可作为开源 BEAST2 包获取 (https://github.com/gavryushkina/sampled-ancestors)。