变种群规模下Kingman Coalescent（合并模型）树上的联合频谱（Joint Spectrum over Trees, JST）

《Theoretical Population Biology》：The joint spectrum over trees under the Kingman coalescent with varying population

　　

研究人员考虑了在相同Coalescent（合并过程）树上产生的突变分布。该统计量（Statistic）与紧密连锁的分离位点（Segregating Sites）的分布密切相关。研究人员给出了该分布的精确闭式表达式（Closed-form Expression），并提出了一种适用于该分布的近似方案。

论文解读：《变种群规模下Kingman Coalescent树上的联合频谱》

研究背景与意义

Kingman Coalescent（合并模型）是中性选择下遗传漂变的重要模型，广泛应用于群体遗传学参数估计和统计检验中。随着单细胞测序技术的发展，研究者能够获取同一细胞或多个组织间的体细胞突变数据，这使得针对单棵树上多个突变的分析成为可能。然而，现有的理论研究多集中在基于大量独立树集合平均的突变频率分布上，忽略了同一棵树上不同突变频率之间的复杂依赖关系。为了更精确地理解单条系谱树上的突变模式，本文引入了“树上联合频谱”（Joint Spectrum over Trees, JST）这一概念，旨在填补同一系谱内多突变联合分布理论研究的空白。

关键技术方法

为实现上述研究目标，研究人员采用了以下关键技术方法：

1. 1.
   理论推导与数学建模：基于Fu (1995)关于分支后代数量的联合分布引理，结合Poisson过程在树权重上的突变积累假设，推导出JST的精确闭式表达式。
2. 2.
   条件概率框架：定义了事件Ξ={ξ1>0,ξ2>0}（即树上至少存在两个突变），并在该条件下计算两个随机排序突变频率(i,j)的联合概率P(ξ1=i,ξ2=j∣Ξ)。
3. 3.
   数值积分与近似算法：针对变种群历史和常种群历史，分别利用S向量（各层级累计时间）的概率密度函数和Wk（第k层的树权重）独立性进行数值计算。在常种群且样本量较大时，提出了一种O(n2)复杂度的近似方案，通过将高阶权重替换为均值来降低计算维度。

研究结果

1. Introduction（引言）

研究人员指出，在单条n-coalescent树中，不同拓扑结构对不同频率突变的支持度存在差异。例如，在一个n=5的样本中，只有特定的拓扑能同时支持频率为3和频率为4的突变。这种拓扑结构的限制导致了突变频率间的内在依赖性。JST的提出正是为了量化这种在同一棵树上两个突变频率的联合分布，区别于以往基于树集合平均的频率谱。

2. Setting and notation（设定与符号）

研究人员建立了严格的数学模型。在无重组和无限位点假设下，将合并树的合并过程划分为不同的“层级”（Level k），定义Tk为第k层的持续时间，Wk=kTk为该层的总分支长度（权重）。通过引入条件期望EΞ和条件概率测度PΞ，明确了JST的计算框架，并区分了常种群（Pc）与变种群（P）下的不同概率测度。

3. Averages over mutations and averages over coalescent trees（突变平均与合并树平均）

研究人员深入探讨了两种不同的平均范式。传统的“突变平均”是将所有独立树上的突变聚合后采样，而“树上平均”是先采样一棵树，再从中选取突变。研究发现，即使是单突变分布，这两种平均方式的结果也显著不同。JST属于后者，它更适用于线粒体基因组、紧密连锁位点或低重组区域等场景，在这些场景下突变可被视为源于同一棵系谱树。

4. Derivation of the JST（JST的推导）

这是论文的核心部分。研究人员基于分支后代数量的联合分布，成功推导出了JST的精确闭式表达式。该表达式由两部分组成：当两个突变发生在同一层级时，需考虑它们位于同一分支或不同分支的概率；当发生在不同层级时，则依赖于跨层级的后代联合分布p(i,j;k,h)。此外，研究人员还推导了常种群下条件分布P(ξ2=j∣ξ1=i)的显式公式，并证明了在突变率参数θ≥5且样本量n≥10时，用无条件期望Ec(Qij)近似条件期望EΞc(Qij)具有极高的数值精度。

5. The JST for constant and bottleneck histories（常种群与瓶颈历史的JST）

通过数值计算，研究人员揭示了JST在常种群下的显著相关性模式：

• •
  对角线与反对角线相关：对角线上的高相关性源于同一分支上发生多个突变的可能性；反对角线上的相关性则是因为样本在最高层级必然分裂为i和n?i两部分。
• •
  高频突变间的负相关：当ξ1+ξ2>n时，表现出强烈的负相关，因为极少有树拓扑能同时支持两个拥有大量后代的分支。
• •
  瓶颈效应：研究人员模拟了不同时间的种群瓶颈。早期瓶颈（影响高层级）减少了高频突变对的出现；晚期瓶颈（影响低层级）则导致低频突变对的稀缺。这表明JST对种群历史极为敏感，可作为推断群体史的有力工具。

6. O(n2)Approximation scheme for constant population（常种群下的近似方案）

为了解决大样本量下高维积分的计算难题，研究人员提出了一种截断近似法。该方法将总树权重Wˉn拆分为前m层的权重和剩余部分的均值。通过固定截断水平m，将原本需要计算n?1维积分的复杂度降低至O(n2)。数值验证表明，当m≥10时，该近似方案在大样本下表现稳定且误差可控。

讨论与结论

研究人员强调，JST揭示了同一系谱树上突变频率间复杂的依赖结构，这对于短基因组序列或无重组情况下的突变数据分析具有重要价值。尽管JST与树集合平均的频谱不同，但它为谱系推断提供了更丰富的理论依据。

在讨论部分，研究人员指出了独立性近似的局限性：虽然突变频率间的互信息相对较小，但在至少一个突变为高频或两个突变为中频（ξ1+ξ2>n）时，独立性近似会产生显著误差。此外，未来的研究可进一步探索大样本极限下的JST行为，或将其应用于基于似然法的群体参数估计和系谱重建中，特别是在评估种群瓶颈强度等场景中具有广阔的应用前景。