Inferring state-dependent diversification rates using approximate Bayesian computation (ABC)
Inferring state-dependent diversification rates using approximate Bayesian computation (ABC)
复制标题
使用近似贝叶斯计算 (ABC) 推断状态相关的多样化率
DOI：
10.1101/2023.10.14.562317
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
R. Etienne
中科院分区：
文献类型：
--
作者：
Shu Xie;Luis Valente;R. Etienne
状态依赖的物种形成和灭绝（SSE）模型提供了一个框架，用于量化物种性状是否对进化速率有影响，以及它如何影响系统发育中分支之间物种丰富度的变化。然而，SSE 模型变得越来越复杂，限制了基于可能性的推理方法的应用。近似贝叶斯计算 (ABC) 是一种无似然方法，是估计参数的潜在强大替代方法。使用 ABC 的关键挑战之一是选择有效的汇总统计量，这会极大地影响参数估计的准确性和精度。在依赖于状态的多样化模型中，汇总统计需要捕捉多样化率和物种特征之间的复杂关系。在这里，我们开发了一个 ABC 框架来估计 BiSSE（二元状态依赖的物种形成和灭绝）模型中状态依赖的物种形成、灭绝和转变率。然后，我们使用不同的候选汇总统计数据集，将 ABC 的推理能力与使用基于似然的最大似然 (ML) 和马尔可夫链蒙特卡罗 (MCMC) 方法的推理能力进行比较。我们的结果表明 ABC 算法可以准确估计我们探索的大多数模型参数集的状态相关多样化率。仅当两种状态之间的物种形成率高度不对称时（λ1 / λ0 = 5），与物种匮乏状态相关的参数的推断误差使用 ABC 比似然估计中的更大。此外，我们发现归一化沿时间谱系（nLTT）统计数据和二元性状（Fitz 和 Purvis 的 D）中的系统发育信号的组合构成了 ABC 方法的有效汇总统计数据。通过提供对合适汇总统计数据选择的见解，我们的工作旨在促进 ABC 方法在开发复杂的状态依赖多样化模型中的使用，而这种模型的可能性是不可用的。
State-dependent speciation and extinction (SSE) models provide a framework for quantifying whether species traits have an impact on evolutionary rates and how this shapes the variation in species richness among clades in a phylogeny. However, SSE models are becoming increasingly complex, limiting the application of likelihood-based inference methods. Approximate Bayesian computation (ABC), a likelihood-free approach, is a potentially powerful alternative for estimating parameters. One of the key challenges in using ABC is the selection of efficient summary statistics, which can greatly affect the accuracy and precision of the parameter estimates. In state-dependent diversification models, summary statistics need to capture the complex relationships between rates of diversification and species traits. Here, we develop an ABC framework to estimate state-dependent speciation, extinction and transition rates in the BiSSE (binary state dependent speciation and extinction) model. Using different sets of candidate summary statistics, we then compare the inference ability of ABC with that of using likelihood-based maximum likelihood (ML) and Markov chain Monte Carlo (MCMC) methods. Our results show the ABC algorithm can accurately estimate state-dependent diversification rates for most of the model parameter sets we explored. The inference error of the parameters associated with the species-poor state is larger with ABC than in the likelihood estimations only when the speciation rate is highly asymmetric between the two states (λ1 / λ0 = 5). Furthermore, we find that the combination of normalized lineage-through-time (nLTT) statistics and phylogenetic signal in binary traits (Fitz and Purvis’s D) constitute efficient summary statistics for the ABC method. By providing insights into the selection of suitable summary statistics, our work aims to contribute to the use of the ABC approach in the development of complex state-dependent diversification models, for which a likelihood is not available.
DOI：
10.1111/evo.14517
发表时间：
2021-11
期刊：
bioRxiv
影响因子：
--
作者：
T. Vasconcelos;B. O’Meara;Jeremy M Beaulieu
通讯作者：
T. Vasconcelos;B. O’Meara;Jeremy M Beaulieu
影响因子：
2.7
作者：
Beaumont, Mark A.;Cornuet, Jean-Marie;Robert, Christian P.
通讯作者：
Robert, Christian P.