[論文レビュー] Large-scale simulation of RNA macroevolution by an energy-dependent fitness model

Sheng Guo, Li‐San Wang+1 more|ArXiv.org|Dec 11, 2009

RNA and protein synthesis mechanisms参考文献 33被引用数 8

ひとこと要約

本稿では、RNA二次構造の自由エネルギーを用いたフィットネスモデルを採用する大規模なRNAマクロ進化シミュレータ rnasim を紹介する。このモデルにより、構造的フィットネスに条件づけられた変異-選択ダイナミクスを再現可能となる。ROSE や Seq-Gen よりも、実験的データに近い統計的複雑性を持つ配列を生成し、系統樹再構築の両手法（最小変異法および尤度法）において優れた性能を示した。

ABSTRACT

Simulated nucleotide sequences are widely used in theoretical and empirical molecular evolution studies. Conventional simulators generally use fixed parameter time-homogeneous Markov model for sequence evolution. In this work, we use the folding free energy of the secondary structure of an RNA as a proxy for its phenotypic fitness, and simulate RNA macroevolution by a mutation-selection population genetics model. Because the two-step process is conditioned on an RNA and its mutant ensemble, we no longer have a global substitution matrix, nor do we explicitly assume any for this inhomogeneous stochastic process. After introducing the base model of RNA evolution, we outline the heuristic implementation algorithm and several model improvements. We then discuss the calibration of the model parameters and demonstrate that in phylogeny reconstruction with both the parsimony method and the likelihood method, the sequences generated by our simulator, rnasim, have greater statistical complexity than those by two standard simulators, ROSE and Seq-Gen, and are close to empirical sequences.

研究の動機と目的

• 遺伝子型-表現型-フィットネスの関係を組み込んだ現実的な大規模なRNAマクロ進化シミュレータの開発。
• RNA二次構造の自由エネルギーをフィットネス関数としてモデル化し、部位依存性および構造的制約を捉える。
• 実験的データに近い統計的複雑性を持つ配列をシミュレートすることで、系統樹再構築の精度を向上させる。
• 実験的ベンチマークを用いてモデルパラメータをキャリブレーションし、標準的なシミュレータ（ROSE、Seq-Gen）と比較して性能を検証する。
• 分子進化および系統的推論手法のテストに利用可能な、自由に利用可能な効率的な C++ 実装（rnasim）を提供する。

提案手法

• フィットネスは、近接ネイバーモデルの熱力学的パラメータを用いて計算されたRNA二次構造の折りたたみ自由エネルギーとしてモデル化される。
• 変異の固定は、自由エネルギー変化に基づく選択によって決定され、選択強度は有効集団サイズ（N）およびエネルギー閾値（E_opt）によって調整される。
• シミュレータは二段階のプロセスを用いる：(1) 変異率に従って突然変異を伴う配列を生成し、(2) フィットネス差に基づき固定確率を決定する選択を適用する。
• 構造的フィットネスに条件づけたヒューリスティックなアルゴリズムにより、非均一で部位依存の変異率を実装し、グローバルな置換行列を回避する。
• モデルパラメータ（例：ガンマ形状、挿入欠失分布、置換率）は、観察された対比較相同性に一致するように、実験的配列データを用いてキャリブレーションされる。
• 系統樹再構築は、PAUP* を用い、最小変異法および尤度基準の両方で評価され、RF距離およびMDS可視化による木空間の多様性と収束性を比較する。

実験結果

リサーチクエスチョン

• RQ1 エネルギー依存フィットネスモデルは、標準的なマルコフベースのシミュレータに比べ、実験的データに近い統計的複雑性を持つRNA配列を生成できるか？
• RQ2 RNA二次構造の自由エネルギーをフィットネスの代理として組み込むことで、シミュレートされたマクロ進化ダイナミクスの現実性は向上するか？
• RQ3 最小変異法および尤度基準の両方において、rnasim は ROSE や Seq-Gen をどの程度上回る系統樹再構築の正確性を示すか？
• RQ4 構造的制約およびフィットネス依存選択を組み込むことで、シミュレートされたデータセットにおける進化的複雑性の表現は改善されるか？
• RQ5 rnasim シミュレータは、実験的ベンチマークに一致する現実的な配列発散パターンおよびアラインメント特性を持つ配列を生成できるか？

主な発見

• rnasim シミュレータは、最小変異法および尤度基準の両方において、系統樹再構築性能の観点から、ROSE や Seq-Gen よりも高い統計的複雑性を持つ配列を生成した。
• 分岐長のキャリブレーション後、rnasim で生成された配列は、ギャップありおよびギャップなしの両方において、実験的ベンチマーク配列と±1.0%以内の対比較相同性を示した。
• 自由エネルギー変化に基づくフィットネス依存選択機構により、非均一で部位依存の変異ダイナミクスが得られ、生物学的制約をよりよく反映している。
• rnasim 配列を用いた系統樹再構築では、1,000 再試行における Robinson-Foulds 距離の MDS 可視化により、より多様な木空間とより良い収束性が示された。
• rnasim プログラムは、インserion-deletion（挿入欠失）分布および置換率の不均一性といった、実験的配列の特徴を的確に再現しており、挿入欠失サイズの頻度分布はパワーロウ（frequencies: 0.5963, 0.1836, etc.）に従った。
• このシミュレータは Linux 向けのオープンソース C++ ソフトウェアとして公開されており、分子進化および系統的推論手法の再現性のあるテストを可能にする。