Scalable Statistical Introgression Mapping Using Approximate Coalescent-Based Inference
Scalable Statistical Introgression Mapping Using Approximate Coalescent-Based Inference
复制标题
使用基于近似合并的推理的可扩展统计渗入映射
DOI：
10.1145/3307339.3343352
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Liu, Kevin J.
中科院分区：
文献类型：
--
作者：
Wuyun, Qiqige;VanKuren, Nicholas W.;Kronforst, Marcus;Mullen, Sean P.;Liu, Kevin J.
生物分子测序的最新进展揭示了种间基因流在整个生命之树的基因组进化中所起的重要作用。当前和未来的基因组研究将带来大量的基因组序列承担这一主题，和可扩展的计算方法需要检测和分析的基因组签名在大规模的数据集。为了解决方法的差距，我们引入了一个新的计算框架称为PHiMM（或“快速PhyloNet +隐马尔可夫模型”）。PHiMM将遗传漂变、替换、重组和基因流的组合模型下的推理和学习与基于聚结的近似技术相结合。我们使用合成和经验基因组序列数据比较PHiMM与最新技术的性能。我们发现，PHiMM提供了更好的计算运行时间和主内存使用的多个数量级，同时返回可比的推理精度。PHiMM框架和开放数据的开源软件实现公开在https://gitlab.msu.edu/liulab/phimm-dataset。
Recent advances in biomolecular sequencing have revealed the important role that interspecific gene flow has played in genome evolution throughout the Tree of Life. Current and future genomic studies will bring large amounts of genomic sequence to bear upon this topic, and scalable computational methodologies are needed to detect and analyze genomic signatures of interspecific introgression in large-scale datasets.To address the methodological gap, we introduce a new computational framework known as PHiMM (or "fast PhyloNet + Hidden Markov Model"). PHiMM combines inference and learning under a combined model of genetic drift, substitutions, recombination, and gene flow with a coalescent-based approximation technique. We compare the performance of PHiMM against the state of the art using synthetic and empirical genomic sequence data. We find that PHiMM offers better computational runtime and main memory usage by multiple orders of magnitude, while returning comparable inference accuracy.An open-source software implementation of the PHiMM framework and open data are publicly available at https://gitlab.msu.edu/liulab/phimm-dataset.
登录
查看更多内容
书评：人类进化遗传学：起源、民族和疾病以及基因谱系、变异和进化：合并理论入门
DOI：
--
发表时间：
2005
期刊：
影响因子：
--
作者：
J. Cooke
通讯作者：
J. Cooke
影响因子：
4.5
作者：
Staubach F;Lorenc A;Messer PW;Tang K;Petrov DA;Tautz D
通讯作者：
Tautz D
使用生物分子序列上的 SEequential RESampling 随机游走进行非参数和半参数支持估计
影响因子：
1
作者：
Wang, Wei;Smith, Jack;Hejase, Hussein A.;Liu, Kevin J.
通讯作者：
Liu, Kevin J.
影响因子：
10.7
作者：
Durand, Eric Y.;Patterson, Nick;Slatkin, Montgomery
通讯作者：
Slatkin, Montgomery
影响因子：
9.8
作者：
Scheet, P;Stephens, M
通讯作者：
Stephens, M