Identifiability of phylogenetic networks and quintet concordance factors

技術的要約：系統ネットワークの識別可能性と5タクソン一致係数（Quintet Concordance Factors）

問題提起
ハイブリダイゼーション、アドミクスチャー（混合）、および水平方向の遺伝子流動を伴う進化史をモデル化する場合、標準的な樹形モデルの仮定を破るため、系統ネットワークの利用がますます必要となっている。しかし、これらのネットワークを推定することは計算学的および統計学的に困難である。いかなる推定手法にとっても、根本的な前提条件は識別可能性（identifiability）、すなわち、モデルから生成されるデータの分布から、ネットワークの特徴（ルートの位置、サイクル構造、ハイブリッドノードなど）を一意に決定できる能力である。

クアルテット一致係数（Quartet Concordance Factors, CFs）（遺伝子樹における4タクソンのトポロジー的関係の頻度）の使用は、ネットワーク多種集団合体（NMSC）モデル下での推定を容易にしてきたが、既知の非識別性の問題に直面している。具体的には、クアルテットCFは、ネットワークのルート位置や、小さなサイクル（例：2サイクルや、3サイクルまたは4サイクル内の特定のハイブリッドノード）の特徴を特定できない。著者らは、クインテット（5タクソン）一致係数（5タクソンの関係の頻度）が、系統樹におけるルート位置を特定できることが示されていることから、これらの曖昧さを解消できる可能性があると主張している。しかし、クインテットCFを計算するための代数的な複雑さが、その識別可能性の特性に関する体系的な研究を阻んできた。

手法
本論文では、クインテットCFを用いたレベル1系統ネットワークの識別可能性を調査するために、アルゴリズム開発、記号計算、および代数幾何学を組み合わせた手法を用いている。

1. CF計算のための記号アルゴリズム:
   著者らは、NMSCモデル下での任意の無根遺伝子樹（または$m$タクソンの部分樹）の確率を計算するための、新しい再帰的アルゴリズムを開発した。

   • すべての合体履歴を列挙する方法（記号的な導出には計算不可能な場合が多い）とは異なり、このアルゴリズムは、単一のエッジ内での部分的な合体履歴を考慮することで、ネットワークと遺伝子樹を簡約化する。
   • これは、樹のエッジとハイブリッドエッジの両方を扱う。ハイブリッドエッジについては、ハイブリダイゼーション・パラメータ（$\lambda$）で重み付けされた、下降系統が各親エッジに入る際の分割に基づいて、ハイブリッドノードを再帰的に「分割」する。
   • このアルゴリズムは、エッジの長さをエッジ確率（$x = e^{-\ell}$）に変換し、結果として得られるCFがパラメータの多項式関数となるように設計されている。
   • このアルゴリズムはMacaulay2に実装されており、任意のネットワークに対して記号的なパラメータ化を生成することが可能である。

2. 識別可能性のための代数的枠組み:
   著者らは、ネットワークパラメータからCFへの写像を多項式写像として扱う。彼らは、これらの写像に関連する消滅イデアル（vanishing ideals）（$I_N$）および代数多様体（algebraic varieties）（$V_N$）を分析する。

   • 2つのネットワークは、それらの関連する多様体が異なる場合に、生成的（generically）に区別可能である。
   • 高次多項式の完全なグレブナー基底の計算はしばしば不可能であるため、著者らは、完全なイデアルが計算できない場合に、多様体を区別するために**代数マトロイド（algebraic matroids）**を利用する。
   • また、低次の不変量（次数4まで）を計算するために、同次化技術と多重次数による暗黙化を用い、完全なイデアルが見つかったことを確認するために素性と次元を検証する。

3. 分析の範囲:
   本研究は、5タクソン、有根、二分、レベル1、かつ2サイクルを持たない系統ネットワークに焦点を当てている。2サイクルの除外は、それらを含めると5タクソンに対して無限のネットワーク・トポロジーが存在することになるため、必要とされるものである。分析は、5タクソンに対するすべての「ツリー・オブ・ブロブス（trees of blobs）」（ネットワークの基礎となる樹構造）を対象としている。

主な貢献

• 新アルゴリズム: NMSC下での任意の系統ネットワークにおける$m$-タクソン一致係数を計算するための、再帰的で記号的なアルゴリズム（Macaulay2に実装）。
• 体系的な分類: 5タクソンにおける190の有根レベル1ネットワークによって生成される代数多様体の網羅的な分類。
• 識別可能性の結果: クアルテットからクインテットへの移行によって、どのネットワーク特徴が識別可能になるかについての詳細な特性評価。

結果
計算結果は、異なるネットワーク・トポロジーに対して具体的な識別可能性の記述を与えている：

• ツリー・オブ・ブロブス（完全に解明された場合）:

  • クインテットCFは、ツリー・オブ・ブロブスの中心頂点における3サイクルの存在を決定できる。
  • 中心に3サイクルが存在する場合、「チェリー」の位置（特定のタクソン対に隣接する位置）にある追加の3サイクルの存在は決定できない。
  • ルートの位置は一般に識別可能であるが、ルートが「クラスター」（3サイクルとそのペンダントエッジ）内にある場合、そのクラスター内でのルートの正確な位置を区別できない場合がある。
  • 3サイクル内のハイブリッドノードは、ルートの位置によって課される制約を除いて、一般に識別不可能である。

• ツリー・オブ・ブロブス（4マルチファーケーション/4分岐の場合）:

  • ハイブリッドノードの4サイクルは識別可能である。
  • ルートの位置は多くのケースで識別可能であるが、ルートが3サイクルを含むクラスター内にある場合には、いくつかの曖昧さが残る。
  • 特定のクラスターにおける3サイクルの存在は、ルートがそのクラスター内にある場合にのみ検出可能である。
  • 注： 特定の4サイクル上のルート位置については、著者らは擬似ウィットネス集合（pseudo-witness sets）とホモトピー継続法を通じて、区別可能性を示唆する数値的な証拠を得たが、欠落している不変量の次数（13、29、または62）が高いため、厳密な代数的な証明は提供できなかった。

• ツリー・オブ・ブロブス（5マルチファーケーション/5分岐の場合）:

  • ネットワーク・ルートおよびハイブリッドノードの位置の両方が識別可能である。

意義と主張
本論文は、クインテットCFが、レベル1ネットワークにおけるルートの位置および小さなサイクル構造（特に3サイクル）に関して、クアルテットCFよりも厳密に多くの情報を提供することを主張している。

• 推論の基礎: 著者らは、識別可能性が統計的一貫性のための必要条件であることを強調している。どの特徴が識別可能であるかを確立することで、本研究は、クインテットCFを利用する将来の推論手法のための理論的基礎を築いている。
• 限界: 著者らは、以下の点において自身の主張に対して謙虚である：
  • 結果は、5タクソン、レベル1、2サイクルを持たないネットワークに特化したものである。
  • 一部の非識別性の結果は、完全なイデアル計算ではなく、低次の不変量とマトロイドに基づいている。これは、それらが等価性の決定的な証明ではなく、現在知られている代数関係に関する識別不能性を反映していることを意味する。
  • 本研究は2サイクルを扱っておらず、これらは将来の研究課題である。2サイクルの導入は無限のクラスを作成するためである。
  • 分析は代数的区別性に焦点を当てており、実パラメータの識別性に必要な半代数的制約（不等式）については十分に探求されていない。

要約すると、本研究は、クインテットCFが（特にルートの配置に関して）クアルテットベースの手法に固有のいくつかの曖昧さを解消する一方で、複雑なサイクルクラスター内での正確なルートの位置に関するすべての識別性の問題を排除するわけではないことを示している。