DM-PhyClus：用于传染病传播聚类推断的贝叶斯系统发育算法
统计方法学
2017-08-10 v1
摘要
背景。传统的系统发育聚类方法依赖于事后应用于系统发育估计的任意截断点。尽管在实践中，基于贝叶斯和基于自举法的聚类往往产生相似的估计，但它们经常在聚类置信度上产生相互矛盾的度量。本研究提出了一种新的贝叶斯系统发育聚类算法，我们称之为 DM-PhyClus，该算法识别由快速传播链产生的序列集，从而产生易于解释的聚类，而无需使用任何临时距离或置信度要求。结果。模拟显示，在平均聚类恢复方面，DM-PhyClus 的表现优于传统聚类方法以及纯基于距离的算法 Gap 程序。我们将 DM-PhyClus 应用于真实 HIV-1 序列样本，产生了一组聚类，其推断与先前一项详尽分析的结论一致。结论。DM-PhyClus 通过消除对截断点的需求并对聚类配置产生合理的推断，可以促进传播聚类的检测。未来减少传染病（如 HIV-1）发病率的努力将需要可靠的传播聚类估计。因此，像 DM-PhyClus 这样的算法可以更好地为公共卫生策略提供信息。
引用
@article{arxiv.1708.02648,
title = {DM-PhyClus: A Bayesian phylogenetic algorithm for infectious disease transmission cluster inference},
author = {Luc Villandré and Aurélie Labbe and Bluma Brenner and Michel Roger and David A. Stephens},
journal= {arXiv preprint arXiv:1708.02648},
year = {2017}
}