ベイズ分子時計モデル選択による懸念されるウイルス変異株の出現の解明

分子データを用いた現生種の分岐時間のベイズ推定は、非典型的な統計的問題である。すなわち、分岐時間と分子進化速度が混同されており、統計的に識別可能なのはそれらの積である分子枝長のみであるためである。この識別可能性の問題を解決するためには、時間と速度に対する事前分布が必要となり、これにより無限のデータの下で到達可能な不確実性に下限が課されることになる。無限のデータがある場合、ノード年齢の不確実性はその平均年齢に比例して増大し、古いノードほど若いノードよりも不確実性が高くなる。サンプリング時間が既知の絶滅タクサが存在する場合（すなわち「異時的」データである場合）、時間と速度は識別可能となり、無限のデータがあれば不確実性はゼロに近づく。しかし、実際の異時的データセット（ウイルスや細菌など）では、アライメントが小規模になる傾向があり、不確実性がデータサイズに応じてどのようにスケールするかについては十分に検討されていない。本研究では、異時的データに関する無限サイト理論を構築するため、広範なシミュレーションおよび実データの解析を行った。予想に反して、内部ノードの年齢における不確実性は、絶対的な年齢ではなく、既知の年齢を持つ最も近いチップ（すなわちキャリブレーション年齢）までの距離に正比例してスケールすることが明らかになった。サイトパターンの数が多いデータセットでは、全体的な不確実性は低いものの、キャリブレーション年齢に伴う推定不確実性の減少速度はより緩やかであった。我々のフレームワークは、完全なキャリブレーションと実質的に無限の配列データを用いて到達可能な最小の不確実性を定義するものである。大多数の場合において、ウイルスの集団発生データは無限サイト挙動を示すほど十分な情報を備えておらず、進化時間スケールの推定値は、データセットのサイズ、情報量、およびモデルの複雑性に依存することになる。