用于推断灵活时间变化进化速率的非齐次连续时间马尔可夫链

从分子序列数据中重建进化历史并估计演化速率是进化生物学和传染病研究中的核心任务。我们引入一种灵活的贝叶斯 phylogenetic 推断框架，容纳时间上变化的进化速率，通过将序列字符替代过程建模为沿未知 phylogeny 的非齐次连续时间马尔可夫链 (ICTMC)，其中速率保持为未知的、正的且可积函数。速率函数的积分出现在 ICTMC 的有限时序转移概率中，必须高效计算所有树枝的转移概率以评估观测数据似然。为了规避完全非参数函数带来的计算挑战，我们将速率函数参数化为具有大量时段的分段常数函数，称为 polyepoch 时钟模型。这使得转移概率计算相对廉价，同时灵活地捕捉时间上的速率变化。我们采用高斯马尔可夫随机场先验实现估计速率函数的时间平滑。基于该模型的可扩展梯度评估使哈密顿马尔可夫采样计算有效率。我们通过两种不同的进化情景下的模拟实验评估了 polyepoch 时钟模型在恢复真实时序和速率方面的性能。随后，我们将 polyepoch 时钟模型应用于西北季节病毒、登革热病毒和流感 A/H3N2 的演化速率研究，并估计了 2020 年欧洲新冠病毒传播的时变速率。