混合模型的系统发育：最大似然与非可辨识分布的稳健性
种群与进化
2007-05-23 v1
摘要
我们探讨当数据由混合分布生成时的系统发育重建。随着突变率异质性的明确证据，此类主题已在生物学界获得相当关注。我们工作中考虑来自共享共同拓扑但边权（即枝长）不同的树的混合数据。我们首先展示流行方法的缺陷，包括最大似然与马尔可夫链蒙特卡洛（MCMC）算法。我们继而确定在哪些进化模型下，从混合分布重建树拓扑是（不）可能的。我们证明，每一个转移矩阵可由多线性多项式开集参数化的模型，要么具有非可辨识混合分布（此时一般无法重建），要么存在辨识拓扑的线性检验。这一对偶定理依赖于我们的线性检验概念并运用凸规划对偶的思想。线性检验与线性不变量密切相关，后者由 Lake 首次引入，且从代数几何视角看是自然的。
引用
@article{arxiv.q-bio/0609038,
title = {Phylogeny of Mixture Models: Robustness of Maximum Likelihood and Non-identifiable Distributions},
author = {Daniel Stefankovic and Eric Vigoda},
journal= {arXiv preprint arXiv:q-bio/0609038},
year = {2007}
}
备注
3 figures