聚类具有共同进化历史的基因
种群与进化
2016-03-10 v3 基因组学
摘要
系统发育推断使用来自多个基因座的数据可能得到更准确的树。然而，如果基因座不一致——由于诸如不完全谱系分选或水平基因转移等事件——推断单一树可能产生误导。为此，许多先前工作采取了机制方法，建模特定过程。或者，可以在不假设这些不一致如何产生的情况下聚类基因座。这种“过程不可知”方法通常为每个基因座推断一棵树并聚类这些树。然而，存在许多可能的树距离和聚类方法组合；它们在树不一致背景下的比较性能很大程度上未知。此外，因为标准模型选择准则如AIC不能应用于具有可变拓扑数的问题，推断最优聚类数的问题知之甚少。在此，我们进行大规模模拟研究系统发育距离和聚类方法以推断共同进化历史的基因座。我们观察到性能最佳的组合是考虑分支长度的距离后接谱聚类或Ward方法。我们还引入两种统计检验以推断最优聚类数，并表明它们强烈优于轮廓系数（一种通用启发式）。我们通过(i)识别先前酵母物种系统发育分析中的错误和(ii)识别金梅草花蝇属Chiastocheta新测序基因座间的拓扑不一致来说明该方法的实用性。我们发布treeCl，一个用于聚类共同进化历史基因的新程序(http://git.io/treeCl)。
引用
@article{arxiv.1510.02356,
title = {Clustering genes of common evolutionary history},
author = {Kevin Gori and Tomasz Suchan and Nadir Alvarez and Nick Goldman and Christophe Dessimoz},
journal= {arXiv preprint arXiv:1510.02356},
year = {2016}
}
备注
accepted at Molecular Biology and Evolution