Inferring population genetics parameters of evolving viruses using time-series data
Inferring population genetics parameters of evolving viruses using time-series data
复制标题
使用时间序列数据推断进化病毒的群体遗传学参数
DOI：
10.1093/ve/vez011
复制
发表时间：
2019
期刊：
影响因子：
5.3
通讯作者：
Stern, Adi
中科院分区：
文献类型：
--
作者：
Zinger, Tal;Gelbart, Maoz;Miller, Danielle;Pennings, Pleuni S;Stern, Adi
随着深度测序技术的出现，现在可以越来越详细地追踪病毒的进化。在这里，我们提出了灵活的时间序列推断（FITS）——一种计算工具，可以根据基因组时间序列测序数据推断三个参数之一：特定突变的适合度、突变率或群体大小。 FITS 的设计首先是为了分析短期进化和重测序 (E&R) 实验或快速重组病毒群体。我们深入探讨了 FITS 在模拟数据上的性能，并强调其推断适应度/突变率/种群规模的能力。我们进一步表明，即使输入参数不精确，FITS 也可以推断出有意义的信息。特别是，FITS 能够成功地将突变分类为有利或有害。接下来，我们将 FITS 应用于脊髓灰质炎病毒 E&R 实验的经验数据，其中参数是通过实验确定的，并证明了推论的高精度。
With the advent of deep sequencing techniques, it is now possible to track the evolution of viruses with ever-increasing detail. Here, we present Flexible Inference from Time-Series (FITS)—a computational tool that allows inference of one of three parameters: the fitness of a specific mutation, the mutation rate or the population size from genomic time-series sequencing data. FITS was designed first and foremost for analysis of either short-term Evolve & Resequence (E&R) experiments or rapidly recombining populations of viruses. We thoroughly explore the performance of FITS on simulated data and highlight its ability to infer the fitness/mutation rate/population size. We further show that FITS can infer meaningful information even when the input parameters are inexact. In particular, FITS is able to successfully categorize a mutation as advantageous or deleterious. We next apply FITS to empirical data from an E&R experiment on poliovirus where parameters were determined experimentally and demonstrate high accuracy in inference.
登录
查看更多内容
影响因子：
4.5
作者：
Jonathan Terhorst;C. Schlötterer;Yun S. Song
通讯作者：
Jonathan Terhorst;C. Schlötterer;Yun S. Song
影响因子：
6.7
作者：
Dunn G;Klapsa D;Wilton T;Stone L;Minor PD;Martin J
通讯作者：
Martin J
DOI：
10.2307/3211856
发表时间：
1964-01-01
期刊：
J. appl. Prob.
影响因子：
--
作者：
Kimura, M.
通讯作者：
Kimura, M.
DOI：
10.1073/pnas.0802203105
发表时间：
2008-05-27
影响因子：
11.1
作者：
Keele, Brandon F.;Giorgi, Elena E.;Shaw, George M.
通讯作者：
Shaw, George M.
DOI：
10.1214/14-aoas764
发表时间：
2014-12
期刊：
The annals of applied statistics
影响因子：
--
作者：
Steinrücken M;Bhaskar A;Song YS
通讯作者：
Song YS