系统发育分支特异性起源速率转变的贝叶斯估计方法Pesto及其应用

研究人员开发了名为Pesto的新方法，采用经验贝叶斯框架解决系统发育中分支特异性多样化速率(branch-specific diversification rates)的检测难题。该方法通过两次树遍历即可快速计算后验均值，无需MCMC模拟，可在个人电脑上20分钟内处理>20k类群的大规模系统树。实验表明，该方法能精准估计分支特异性多样化速率，显著降低假阳性率，但存在对速率转变频率估计不足的局限性。这项研究为宏观进化动力学分析提供了高效可靠的计算工具。

　　

探究物种多样化速率是宏观进化研究的核心议题。通过系统发育出生-死亡过程(phylogenetic birth-death process)建模时，科学家特别关注某些演化支是否因分支特异性多样化速率(branch-specific diversification rates)表现出加速/减速的起源模式。最新提出的Pesto方法创新性地采用经验贝叶斯(empirical Bayes)框架，无需依赖马尔可夫链蒙特卡洛(Markov chain Monte Carlo)模拟，仅需两次树遍历即可确定性计算后验均值。

这个"快如闪电"的方法能在个人电脑上数分钟内处理含2万+物种的超大树系，同步实现分支特异性速率转变事件的精准定位。大规模模拟验证显示：基于贝叶斯因子(Bayes factors)和效应量(effect sizes)的检测体系几乎不存在假阳性推断，但对速率转变频率的统计功效(power)有待提升。值得注意的是，尽管存在对转变事件检测灵敏度不足的问题，分支特异性多样化速率的估计值仍展现出优异的精确度和无偏性。

研究团队通过复杂模拟实验系统评估了出生-死亡转移模型(birth-death-shift model)的特性，为理解宏观进化动力学提供了重要方法论突破。该方法特别适用于需要处理大规模系统树时，快速获取可靠的分支特异性进化速率图谱的研究场景。