利用 k-means 与 Robinson-Foulds 距离构建替代一致树与超树
种群与进化
2022-05-26 v5
摘要
每个基因都有其自身的进化历史，可能与其他基因的进化历史存在显著差异。例如，某些单个基因或操纵子会受到特定的水平基因转移与重组事件影响。因此，每个基因的进化历史应由其自身的系统发育树表示，该树可能展现出不同于物种树（反映垂直遗传主要模式）的进化模式。传统一致树或超树推断方法的输出是一棵唯一的一致树或超树。我们描述了一种推断多个替代一致树与超树的新高效方法，以最佳表示给定基因系统发育树集合的最重要的进化模式。我们展示了如何基于 Robinson-Foulds 距离的若干有趣性质，使用改进的流行 k-means 聚类算法，将给定树集合划分为一个（针对同质数据）或多个（针对异质数据）树簇。此外，我们将流行的 Caliński-Harabasz、Silhouette、Ball and Hall 与 Gap 聚类有效性指标适配于基于 k-means 的树聚类。我们特别关注相关但极具挑战性的替代超树推断问题。该方法目标函数的欧氏性质使其快于现有树聚类技术，因此非常适用于分析大型进化数据集。我们应用这一新方法发现了表征 SARS-CoV-2 及遗传相关乙型冠状病毒主要进化模式的替代超树。
引用
@article{arxiv.2103.13343,
title = {Building alternative consensus trees and supertrees using k-means and Robinson and Foulds distance},
author = {Nadia Tahiri and Bernard Fichet and Vladimir Makarenkov},
journal= {arXiv preprint arXiv:2103.13343},
year = {2022}
}
备注
Bioinformatics (in press)