课题基金 / 基金详情

改进在多物种溯祖模型下用于系统发育推断的贝叶斯MCMC算法的混合效率

批准号:
12101295
项目类别:
青年科学基金项目(C类)
资助金额:
30.0 万元
负责人:
焦熙云
依托单位:
学科分类:
贝叶斯统计与统计应用
结题年份:
2024
批准年份:
2021
项目状态:
已结题
项目参与者:
焦熙云

项目摘要

结项摘要

焦熙云的其他基金

相似基金

相关文献

中文摘要
在多物种溯祖(MSC)模型下利用DNA序列数据进行系统发育推断是物种进化研究的基础。相应的推断方法中,贝叶斯框架下的MCMC方法比启发式方法统计性质好,比ML方法可行性强。但当数据量较大时,MCMC算法面临效率低下,计算耗时的问题。因此,改进MCMC算法的效率是在基因组大数据时代准确有效地进行系统发育推断的关键。本项目旨在改进MSC框架下用于系统发育推断的贝叶斯MCMC算法的混合效率,减少算法收敛所需迭代次数,提高其处理大数据的能力。同时期望以此为契机,建立一般性改进MCMC混合效率的统计学理论。用于系统发育推断的MCMC算法包含模型内和模型间两类。本项目将用理论推导结合数据分析,从提议分布的选择出发,针对这两类MCMC分别改进。另外,本项目将通过仿真实验探索在不同系统发育模型和基因序列数据设置下,Metropolis-coupled MCMC算法改进效率的表现,为实践选择提供指导。
英文摘要
Phylogenetic inference using DNA sequence data under the multispecies coalescent (MSC) model is fundamental for the research of species evolution. Among the various inference methods, Bayesian MCMC has better statistical properties than heuristic methods and is more feasible than the ML method. However, when the data size is large, the MCMC algorithms will suffer from poor efficiency and become computationally time-consuming. As a result, improving the efficiency of MCMC is crucial for making accurate and effective phylogenetic inference in the era of genome-scale data. This project aims at improving the mixing efficiency of the MCMC algorithms used for phylogenetic inference under the MSC framework, reducing the numbers of iterations that the algorithms require to reach convergence, and then enhancing their capacity to address big data. Also, we expect to use this application as the springboard to establish the general statistical theories for improving the mixing efficiency of MCMC. The Bayesian MCMC algorithm for phylogenetic inference includes two types of moves, within-model moves and cross-model moves. Therefore, the project will improve the mixing efficiency of within-model MCMC and cross-model MCMC respectively by combining theoretical arguments with data analysis and focusing on how to choose the proposal distributions. On the other hand, this project will use simulation studies to investigate the performance of the Metropolis-coupled MCMC algorithm on improving mixing efficiency under different settings of phylogenetic inference models and genetic sequence data, with the expectation to provide instructions on when to use this algorithm in practice.
系统发育推断是分子进化研究的基础。这类推断通常在多物种溯祖(MSC)模型下用DNA序列数据进行。在MSC模型下,用贝叶斯MCMC算法推断参数比启发式方法统计性质好,比ML方法可行性强。但当数据量大、模型复杂时,MCMC效率低下,计算耗时。因此,改进MCMC的效率是在基因组大数据时代准确有效地进行系统发育推断的关键。本项目针对模型内和模型间两类MCMC算法,通过开发新式提议核以及改进算法结构,有效提高了效率。对模型内MCMC,我们开发了mirror与生成式模型辅助两类新式提议核,并推出了“driver+passenger”的提议分布新模式。我们用理论证实了新提议分布的有效性,并在数值实验中证实,无论在低维还是高维问题中,mirror类提议核应用在“driver+passenger”模式中形成的提议分布能将算法效率提高数倍至数十倍不等,甚至超越独立样本。而生成式模型辅助提议核能有效对多峰分布抽样。对模型间MCMC,我们证明当提议分布与备选模型的真实分布一致时,算法效率最优。据此,在更新MSC模型中的树形参数时,我们开发出多个引入模型后验分布信息的提议分布,它们都能使算法在模型间跳跃的效率有数倍的提高。通过与伦敦大学学院杨子恒老师和Flouris博士合作,我们将改进后的MCMC算法整合进常用贝叶斯系统发育推断软件BPP(http://github.com/bpp/bpp)中,使该软件实现了对基因组量级数据的有效推断。在此基础上,与杨老师团队合作,我们对BPP中的模型进行了大幅拓展,将松弛分子钟、基因流动等自然界中普遍存在的现象纳入考量。基于改进后BPP中的MCMC算法,我们开发了一种新型分层启发式物种定界方法HHSD(http://github.com/abacus-gene/hhsd),在将基因流动影响纳入考量的同时,有效降低了计算成本。将改进后的MCMC算法整合在系统发育领域常用软件中,使其能有效处理基因组数据和复杂模型,是为研究人员提供了方便可靠的数据分析工具,为后续生物进化、病理学、生态保护等相关领域的研究打下了基础,实现了统计方法理论的良好落地应用。此外,我们用仿真学习探索了 MC3对系统发育推断MCMC算法混合效率的改进效果。结果显示,MC3能改进模型内MCMC的效率,对模型间MCMC算法的效率也有一定提升,但效果强弱与原算法提议分布的选取密切相关。
在大数据和复杂模型背景下探究更有效的Markov chain Monte Carlo算法
  • 批准号:
    --
  • 项目类别:
    省市级项目
  • 资助金额:
    10.0万元
  • 批准年份:
    2022
  • 负责人:
    焦熙云
  • 依托单位:
国内基金
海外基金