线性时间计算系统发育随机映射摘要的高阶矩

随机映射是一种基于模拟的方法，用于根据连续时间 Markov 演化模型将替换历史概率性地映射到系统发育树上。该技术可用于推断系统发育树上演化过程的属性，并且与基于简约性的映射不同，它以观测数据为条件随机抽取替换映射，不必然要求树上的事件数最少。大多数随机映射应用模拟替换映射仅为了估计两种常用映射摘要的均值和/或方差：树上特定类型替换的数目（标记替换计数）和在特定状态组中花费的时间（标记停留时间）。存在无需模拟的快速算法来计算随机映射摘要的均值。重要的是，这些算法的复杂度随系统发育树的叶尖/叶子数目呈线性增长。然而，据我们所知，目前不存在计算随机映射摘要高阶矩的此类算法。我们提出了一种此类无需模拟的动态规划算法，用于计算先验和后验映射方差，其复杂度随系统发育树叶尖数目呈线性增长。我们的方法提出了一种通用框架，可用于无需模拟即可高效计算随机映射摘要的高阶矩。我们通过扩展先前开发的用于位点间速率变异检测和基因组序列中进化保守区域检测的统计检验，展示了该算法的实用性。