[論文レビュー] An algebraic framework to sample the rearrangement histories of a cancer metagenome with double cut and join, duplication and deletion events

Daniel R. Zerbino, Benedict Paten+2 more|arXiv (Cornell University)|Mar 22, 2013

Genome Rearrangement Algorithms参考文献 26被引用数 3

ひとこと要約

本論文は、線形代数に基づく代数的枠組みを提示し、がんメタゲノムにおける構造的変異（SV）の歴史をモデル化およびサンプリングする。この枠組みは、ダブルカットアンドジョイン（DCJ）、複製、欠失のイベントを統合し、異種性・断片的がんゲノムにおける再配置シーケンスの包括的サンプリングを可能にする。これはDCJ理論を完全にアセンブルされたゲノムを超えて拡張し、シミュレーテッドおよび実際のがんデータセットにおいて有効性を示している。

ABSTRACT

Algorithms to study structural variants (SV) in whole genome sequencing (WGS) cancer datasets are currently unable to sample the entire space of rearrangements while allowing for copy number variations (CNV). In addition, rearrangement theory has up to now focused on fully assembled genomes, not on fragmentary observations on mixed genome populations. This affects the applicability of current methods to actual cancer datasets, which are produced from short read sequencing of a heterogeneous population of cells. We show how basic linear algebra can be used to describe and sample the set of possible sequences of SVs, extending the double cut and join (DCJ) model into the analysis of metagenomes. We also describe a functional pipeline which was run on simulated as well as experimental cancer datasets.

研究の動機と目的

• がんWGSデータにおけるコピー数変異（CNV）を考慮しつつ、構造的変異（SV）の全空間をサンプリングできない現行のアルゴリズムのギャップを埋めること。
• がんシークエンシングにおいて一般的な断片的・混合ゲノム観測を扱えるように、完全にアセンブルされたゲノムを超えたダブルカットアンドジョイン（DCJ）モデルを拡張すること。
• この新しい代数的枠組み下で、シミュレーテッドおよび実験的がんデータセットの両方を解析可能な機能的パイプラインの開発。
• メタゲノムのがんデータにおける再配置歴の体系的サンプリングを可能にし、複数の細胞集団が共存し、ゲノムが不完全な状況を扱うこと。

提案手法

• この枠組みは、基本的な線形代数を用いて、DCJ、複製、欠失を含む再配置イベントを数学的に一貫した方法で表現・操作する。
• ゲノム状態をベクトル空間内のベクトルとしてモデル化し、再配置操作を線形変換として表現する。
• 参照ゲノムから観測されたゲノムへと変換するすべての可能な再配置シーケンスの列挙およびサンプリングを可能にする。
• 代数的構造内に遺伝子の複製および欠失を許容するようにDCJモデルを拡張することで、コピー数変異を統合する。
• これらの代数的操作を計算ワークフローに統合し、シミュレーテッドおよび実際のがん短鎖シークエンスデータを処理する。
• 代数的構造を活用して、複雑で異種性の高い腫瘍サンプルでさえも、可能な再配置歴の空間を効率的に探索可能にする。

実験結果

リサーチクエスチョン

• RQ1 がんメタゲノムにおける構造的変異（SV）の全シーケンス、DCJ、複製、欠失イベントをモデル化およびサンプリングできる代数的枠組みを開発できるか？
• RQ2 がん短鎖シークエンシングで一般的な不完全および混合ゲノム観測を扱えるように、ダブルカットアンドジョイン（DCJ）モデルをどのように拡張できるか？
• RQ3 この枠組みは、異種性の高い腫瘍集団における再配置歴の全空間をどの程度まで探索できるか？
• RQ4 既存の手法と比較して、実際のがんデータセットにおける生物学的妥当性および計算上的実行可能性の観点から、この枠組みの性能はいかがなものか？

主な発見

• 提案された代数的枠組みは、コピー数変異および断片的メタゲノムデータを扱えるようにDCJモデルを効果的に拡張し、再配置歴の全探索を可能にした。
• この手法は、数学的に厳密かつ計算的に実行可能なかたちで、すべての可能な再配置シーケンスの体系的サンプリングを可能にした。
• パイプラインは、シミュレーテッドおよび実験的がんデータセットの両方で検証され、実世界のシークエンスデータへの適用可能性が示された。
• この枠組みは、複数の細胞系統が共存し、ゲノムが不完全な複雑な異種性腫瘍ゲノムのモデリングを可能にした。
• 線形代数を用いることで、多様な再配置イベントを統一的表現で扱えるようになり、解釈可能性とスケーラビリティが向上した。
• 結果として、完全にアセンブルされたゲノムがなくても、生物学的に妥当な再配置歴を生成できることが示された。