使用BPP分析unphased sequences時的勸世好文

https://doi.org/10.1093/sysbio/syab047

一般定序產出的雙倍型生物的單倍型共同序列(haploid consensus sequences of diploid organisms)雖然解決了異型合子的問題，但這個共同序列是根據該異型位點的核甘酸種類多寡來隨機決定的(randomly phasing)，因此這個序列可能並不真實存在在自然中，然而若使用unphased sequences又可能導致錯誤的參數估算，如利用IUPAC來編碼異型位點會傾向將分化時間計算得更古老。這篇研究比較不同phasing的方法所得到的族群遺傳參數有何不同，包含：物種樹(species tree)、有效族群量、分化時間以及種間雜交(遺傳滲漏)，以上參數都由BPP (Bayesian Phylogenetics & Phylogeography)程式來計算。

用來phasing的方法有以下四種：

(1) Full strategy (F): fully resolved sequences; serving as gold standard

(2) Analytical strategy (D): analyzing unphased sequences using diploid or phase option in BPP

(3) PHASE strategy (P): the program PHASE

(4) Random phase strategy (R): random phase resolution

序列來源則有兩種：模擬產生和真實的生物序列(青蛙和花栗鼠)。因為策略F的完全解析序列是電腦模擬產生的，所以分析真實生物序列時並不會用到策略F；另外，作者額外用 (5) Ambiguity strategy (A; IUPAC編碼異型位點)來分析青蛙和花栗鼠的序列。

先說電腦模擬的結果。在物種樹重建、分化時間和有效族群量估算方面，F、D、P、R四個策略用在deep phylogeny和低mutation rate時的表現差不多；但用在shallow phylogeny時，策略R會高估分化時間和有效族群量，策略P會低估分化時間(尤其mutation rate高的時候)，策略P和R在重建物種樹的表現不佳(尤其mutation rate高的時候)，而策略D的表現則都和策略F差不多。在估算遺傳滲漏方面，策略D和策略F的表現差不多，在低mutation rate時四個策略也表現相似；然而當用在高mutation rate時，策略R會高估遺傳滲漏率，策略P則是低估。

再來是真實生物的序列，由於策略F在這不適用，根據電腦模擬的結果策略D的表現與策略F最相似，所以這裡用策略D當作「解答」的準則。首先是青蛙，四個策略(D、P、R、A)都重建出相同的物種樹樹型；族群遺傳參數方面，策略P和策略D得出相似的結果，策略R高估有效族群量(根據族群遺傳參數θ)，策略A則嚴重低估現存支系的有效族群量(θ)和分化時間。至於花栗鼠，策略D、P、R得到相同的物種樹，但策略A得出的樹型不同；族群遺傳參數的結果則與青蛙相同。

總結來說，當用在deep phylogeny(也就是物種分化時間早於coalescent time)時，phasing策略的差異對結果影響不大；phasing error的影響主要體現在shallow phylogeny和mutation rate很高的時候。這篇研究是蠻好的分析策略應用的文章，作者給了幾個務實上的建議：

(1) 避免使用策略R和策略A，因為它們的表現比策略P還糟；

(2) 若序列中含有unphased data，推薦使用策略D，因為它的表現和策略F差不多；

(3) 若考慮到運算時間限制，策略P可作為策略D的替代方案。

不同SNP-based重建species tree的方法評估地松鼠的親緣關係

https://doi.org/10.1016/j.ympev.2022.107396

基因樹的估算錯誤是重建species tree時一個重要的誤差來源，尤其是對快速種化的類群而言。因為SNP-based的方法不依賴重建每棵基因樹，所以是個有潛力解決以上誤差的替代方法。SNP data還有運算效率較佳、適用老舊標本、較省定序成本等優點。雖然很多研究顯示SNP-based和gene tree-based的方法在重建species tree時的表現一致，但也很多發現不一致的研究，尤其是樹的枝長很短還有incomplete lineage sorting影響的時候。本研究旨在解析地松鼠的親緣關係，並評估不同datasets在重建species tree時的表現。在重建親緣關係方面，作者主要準備了兩種來源的data：

(1) UCE-derived SNPs (phased & unphased)

(2) 粒線體基因體

分析方面，作者想知道不同處理data的方法和建樹程式的表現，使用SNAPP和SVDquartets來分析phased和unphased SNPs、MrBayes來分析粒線體基因。這兩個程式分別分析下列的datasets：

(1) SNAPP

a. phased 1-3 (single phased SNP randomly selected per locus for 3 replicates)

b. consensus 1-3 (single consensus SNP randomly selected per locus for 3 replicates)

(2) SVDquartets

a. phased 1-3 (unlinked SNPs, two alleles per sample)

b. consensus 1-3 (unlinked SNPs, one allele per sample)

c. all biallelic SNPs (all phased SNPs per locus)

d. all SNPs (也是所有phased SNPs，不確定差異在哪？)

結果顯示，SNAPP和SVDquartets需要的運算時間有很大差異，SNAPP花了超過一個月來達到可接受的effective sample sizes (ESS；一般來說是ESS>200)，但SVDquartets只需要一兩天便能完成分析(當設定bootstraps=1000)；樹形和支持度也有差別，當使用phased SNPs的時候SNAPP能得到大致有不錯支持度(posterior probability>0.8)的樹，但若是unphased SNPs (也就是consensus SNPs)會得到一個稍微不同的而且支持度低很多的樹形；相反的，無論是phased或unphased SNPs，SVDquartets均產出支持度很高的樹，即使這兩種datasets得到的樹形有點不同，這會導致對SVDquartets的結果有不合理的信賴，作者也引用了一些文獻說明SVDquartets常常高估樹的支持度。因此，以這篇研究來說，作者較偏好SNAPP的結果。

Phasing與否是這篇研究另一個探討的重點，先前的研究已經顯示，對於晚近分化的種群來說，phasing對於重建其親緣關係有很大幫助。這篇研究地松鼠的結果也得到差不多的結論，使用phased SNPs能得到比較真實的分化時間估算，還有較佳的樹形解析度和支持度。然而，對於較深的演化關係(at deeper phylogenetic levels；屬級以上)而言，phased SNPs並沒有顯著改善樹的解析度和支持度，當使用三個phased datasets，SNAPP產出不一致的演化關係樹；反而是consensus datasets的三個結果為一致，而且都有高支持度。雖然phased SNPs在較高階的演化關係重建表現沒比較好，但作者認為phased data才是真實反映了incomplete lineage sorting在重建species tree時產生的衝突。