通过贝叶斯分子钟模型选择理解关注病毒变异株的出现

利用分子数据对现存物种的分歧时间进行贝叶斯推断是一个非传统的统计学问题：分歧时间与分子进化速率存在混杂，只有它们的乘积——分子分支长度——在统计上是可识别的。为了打破这种不可识别性，需要对时间和速率设定先验分布，而这设定了在无限数据条件下可达到的不确定性下限。在拥有无限数据的情况下，节点年龄的不确定性随其平均年龄成比例增加，因此较古老的节点比年轻的节点具有更高的不确定性。如果存在已知采样时间的灭绝类群（即“异时性”数据），则时间和速率变得可识别，且在无限数据下不确定性趋近于零。然而，在真实的异时性数据集（如病毒和细菌）中，序列比对通常较小，不确定性如何随数据量变化尚未得到充分研究。本文通过大量模拟和实证数据分析，建立了适用于异时性数据的无限位点理论。与预期相反，我们发现内部节点年龄的估计不确定性与其最近的、具有已知年龄（即校准年龄）的末端节点之间的距离呈正相关，而非与其绝对年龄相关。尽管具有更多位点模式的数据集整体不确定性较低，但其估计不确定性随校准年龄的下降速度更慢。我们的理论框架确立了在完美校准和近乎无限序列数据条件下可达到的最小不确定性。在绝大多数情况下，病毒暴发数据的信息量不足以表现出无限位点行为，因此对进化时间尺度的估计将依赖于数据集大小、信息含量以及模型复杂性。 关键词：贝叶斯推断，分歧时间，分子进化速率，异时性数据，无限位点理论，不确定性，校准年龄，病毒进化，系统发育分析，序列数据