面向部分观测系统发育距离矩阵的可加性感知两阶段补全方法Hyb-Adam-UA

《BMC Bioinformatics》：Hyb-Adam-UA: additivity-aware refinement of minimax-initialized mtDNA distance matrices

　　

摘要

背景

线粒体DNA（mtDNA）距离矩阵是基于距离的系统发育推断的标准输入。缺失条目可能同时影响拓扑结构重建和分支长度估计，而通用的矩阵补全方法并未显式地促进与系统发育解释相关的树度量结构。我们提出了Hyb-Adam-UA（混合Adam，超度量初始化且具有可加性感知的），一种两阶段补全方法，首先通过观测图上的极小极大路径距离对缺失条目进行初始化，然后仅使用带有三角不等式约束的四点可加性目标对这些条目进行精细化优化，同时保留所有已观测的距离。

结果

我们在两个15 × 15的mtDNA基准数据集上评估了Hyb-Adam-UA：一个是近缘的猴科数据集，另一个是分类学上异质的灵长类数据集。完整的参考矩阵通过MAFFT多序列比对和成对删除p-距离构建。在30%、50%、65%和85%的缺失率下应用对称缺失掩码，每个水平重复30次。Hyb-Adam-UA及其仅第一阶段消融版本与MW^?-proj、NJ^?-proj、LRMC、KNN-impute和MDS-SMACOF进行了比较，评估指标包括隐藏条目误差、拓扑结构、树距离和分支长度。对于异质数据集，在30%、50%和65%缺失率下，第二阶段精细化显著降低了相对于第一阶段的隐藏条目均方根误差（RMSE）；在30%、65%和85%缺失率下，显著优于MW^?-proj。它还改进了若干分支长度结果。然而，对于猴科数据集，精细化并未提供一致的优势，在某些设置下甚至不如第一阶段。隐藏条目重建的改进仅对树拓扑结构产生了有限且不稳定的改善。一个包含五次重复的合成30 × 30基准数据集进一步证明了Hyb-Adam-UA超越实证15 × 15设置的有效性：在所有五次重复中均成功的方法中，该方法在四个缺失率中的三个上取得了最低的平均隐藏条目RMSE，并在全部四个缺失率上取得了最低的平均绝对误差（MAE）。

结论

Hyb-Adam-UA提供了一个具有可加性感知的框架，用于补全部分观测的系统发育距离矩阵，而无需施加严格的分子钟假设。其优势取决于数据集：该方法可以改进分类学上异质数据的隐藏距离重建和分支长度估计，但极小极大路径初始化本身已是一种强大的补全方法。较低的矩阵重建误差并不一定产生更准确的系统发育拓扑结构；因此，应分别评估矩阵级、分支长度和拓扑结构指标。