The Effects of Sampling Location and Predictor Point Estimate Certainty on Posterior Support in Bayesian Phylogeographic Generalized Linear Models.
The Effects of Sampling Location and Predictor Point Estimate Certainty on Posterior Support in Bayesian Phylogeographic Generalized Linear Models.
复制标题
DOI：
10.1038/s41598-018-24264-8
复制
发表时间：
2018-04-12
影响因子：
4.6
通讯作者：
Scotch M
中科院分区：
文献类型：
--
作者：
Magee D;Taylor JE;Scotch M
贝叶斯系统发育地理学中广义线性模型的使用使研究人员能够同时重建病毒的时空历史，并量化预测变量对该过程的贡献。然而，人们对该方法对离散状态分区选择的敏感性知之甚少。在这里，我们通过分析包含在美国采样的 299 个西尼罗河病毒包膜基因序列和在四个空间水平聚合的 15 个预测因子的数据集来研究这个问题。我们证明，尽管病毒系统发育的拓扑在分析中是一致的，但对预测因子的支持取决于聚合水平。特别是，我们发现预测变量支持指标的方差在多个预测变量的最精确级别上最小化，而在更稀疏的聚合级别上最大化。这些结果表明，在将区域划分为离散位置时应谨慎，以确保获得可解释、可重复的后验估计。这些结果还证明了为什么研究人员应该使用尽可能精确的离散状态来最小化此类估计中的后验方差，并揭示真正驱动病毒扩散的因素。
The use of generalized linear models in Bayesian phylogeography has enabled researchers to simultaneously reconstruct the spatiotemporal history of a virus and quantify the contribution of predictor variables to that process. However, little is known about the sensitivity of this method to the choice of the discrete state partition. Here we investigate this question by analyzing a data set containing 299 sequences of the West Nile virus envelope gene sampled in the United States and fifteen predictors aggregated at four spatial levels. We demonstrate that although the topology of the viral phylogenies was consistent across analyses, support for the predictors depended on the level of aggregation. In particular, we found that the variance of the predictor support metrics was minimized at the most precise level for several predictors and maximized at more sparse levels of aggregation. These results suggest that caution should be taken when partitioning a region into discrete locations to ensure that interpretable, reproducible posterior estimates are obtained. These results also demonstrate why researchers should use the most precise discrete states possible to minimize the posterior variance in such estimates and reveal what truly drives the diffusion of viruses.
登录
查看更多内容
影响因子：
9.8
作者：
Drummond AJ;Ho SY;Phillips MJ;Rambaut A
通讯作者：
Rambaut A
影响因子：
3.8
作者：
Añez G;Grinev A;Chancey C;Ball C;Akolkar N;Land KJ;Winkelman V;Stramer SL;Kramer LD;Rios M
通讯作者：
Rios M
影响因子：
4.3
作者：
Lemey P;Rambaut A;Drummond AJ;Suchard MA
通讯作者：
Suchard MA
影响因子：
10.7
作者：
Drummond, Alexei J.;Suchard, Marc A.;Rambaut, Andrew
通讯作者：
Rambaut, Andrew
西尼罗河病毒在北部温带地区的分子进化：美国康涅狄格州，1999- 2008年。
影响因子：
3.7
作者：
Armstrong PM;Vossbrinck CR;Andreadis TG;Anderson JF;Pesko KN;Newman RM;Lennon NJ;Birren BW;Ebel GD;Henn MR
通讯作者：
Henn MR