Inference in population genetics using forward and backward, discrete and continuous time processes

هدف اصلی ژنتیک جمعیت، استنباط تاریخ تکاملی جمعیت است. برای این منظور، فرآیند زمینه ای را می توان با یک مدل تکامل فرکانس های آلل نشان داده شده از قبیل اندازه جمعیت، نرخ جهش و ضرایب انتخاب. یک کلاس بزرگ از مدل ها از مدل های پیشین در زمان، مانند مدل های گسسته رایت - فیشر و موران و پخش دیفرانسیل جلو، برای به دست آوردن توزیع فراوانی آلل جمعیت استفاده می شود، که بستگی به توزیع فرکانسی آلل اولیه در اجداد است. فرآیند انتشار عقب در زمان به ندرت در زمینه استنتاج پارامتر استفاده شده است. در اینجا، ما نشان می دهیم که چگونه می توان فرآیند انتشار رو به جلو و عقب را ترکیب کرد تا بتواند به طور موثر توزیع احتمال توزیع فراوانی آلل های نمونه و جمعیت در تمام زمان ها در گذشته برای هر دو مدل ژنتیکی جمعیت مجزا و محاسبه شده محاسبه کند. این روش مشابه الگوریتم پیش رو به عقب مدل های پنهان مارکوف است. در حالی که کارایی مدل های گسسته توسط اندازه جمعیت محدود می شود، برای مدل های پیوسته کافی است که چگالی انتقال را در چندجمله های متعامد مرتبه اندازه نمونه به دست آوریم تا احتمال حاشیه پارامترهای ژنتیکی جمعیت را به دست آوریم. علاوه بر این، مسیرهای آلل مشروط و احتمال حاشیه نمونه های از جمعیت تک یا از جمعیت های چندگانه که در گذشته تقسیم می شود، می توان بدست آورد. رویکردهای توصیف شده، امکان ارزیابی حداکثر احتمال درستی پارامترهای ژنتیکی جمعیت را در طیف گسترده ای از سناریوهای جمعیت شناختی فراهم می کند.