[論文レビュー] Map of Life: Measuring and Visualizing Species' Relatedness with "Molecular Distance Maps"

Lila Kari, Kathleen A. Hill+4 more|arXiv (Cornell University)|Jul 14, 2013

Genomics and Phylogenetic Studies参考文献 42被引用数 3

ひとこと要約

本稿では、DNA配列を画像に変換するための新しい手法、Molecular Distance Maps を紹介する。この手法は、混沌のゲーム表現（CGR）を用いてDNA配列を画像に変換し、画像間の構造的類似度（DSSIM）を計算し、多次元尺度構成法（MDS）を用いて系統関係性を2次元ユークリッド空間に可視化する。主な貢献は、アラインメントフリーな一般用途向けアプローチであり、進化的関係を正確に反映しており、ネアンデルタール人およびチンパンジーのミトコンドリアDNAがヒトに最も近縁であり、キュウリのミトコンドリアDNAが最も遠縁であることを正しく特定している。

ABSTRACT

We propose a novel combination of methods that (i) portrays quantitative characteristics of a DNA sequence as an image, (ii) computes distances between these images, and (iii) uses these distances to output a map wherein each sequence is a point in a common Euclidean space. In the resulting "Molecular Distance Map" each point signifies a DNA sequence, and the geometric distance between any two points reflects the degree of relatedness between the corresponding sequences and species. Molecular Distance Maps present compelling visual representations of relationships between species and could be used for taxonomic clarifications, for species identification, and for studies of evolutionary history. One of the advantages of this method is its general applicability since, as sequence alignment is not required, the DNA sequences chosen for comparison can be completely different regions in different genomes. In fact, this method can be used to compare any two DNA sequences. For example, in our dataset of 3,176 mitochondrial DNA sequences, it correctly finds the mtDNA sequences most closely related to that of the anatomically modern human (the Neanderthal, the Denisovan, and the chimp), and it finds that the sequence most different from it belongs to a cucumber. Furthermore, our method can be used to compare real sequences to artificial, computer-generated, DNA sequences. For example, it is used to determine that the distances between a Homo sapiens sapiens mtDNA and artificial sequences of the same length and same trinucleotide frequencies can be larger than the distance between the same human mtDNA and the mtDNA of a fruit-fly. We demonstrate this method's promising potential for taxonomical clarifications by applying it to a diverse variety of cases that have been historically controversial, such as the genus Polypterus, the family Tarsiidae, and the vast (super)kingdom Protista.

研究の動機と目的

• DNA配列を用いた、系統関係性の測定および可視化のための汎用的で、アラインメントフリーな手法の開発。
• 膨大な数の未分類種を扱う課題に対処し、種の関係性を定量的かつ視覚的に提示するツールを提供すること。
• 相同領域でないDNA配列、さらにはゲノム全体や人工配列でさえも、任意のDNA配列同士を比較可能にする。
• 系統樹やDNAバーコーディングの代替手段として、2次元マップ上に固定され、幾何学的に意味のある距離を提供する、強固な代替手法を提供すること。
• ポリプテルス、ターシィダエ、原生動物門などの、議論の多い分類群を、定量的な配列類似度を用いて解明すること。

提案手法

• 核酸塩基の組成と高次構造的パターンをエンコードするため、CGR（混沌のゲーム表現）を用いて各DNA配列を2次元の白黒画像に変換する。
• 構造的類似度指標（DSSIM）を用いて、CGR画像間のペアワイズ距離を計算する。DSSIMは構造的差異に敏感な、人間の知覚に近い画像距離指標である。
• すべての配列ペア (i,j) 間のDSSIM距離を表す距離行列 Δ(i,j) を構築する。
• 古典的多次元尺度構成法（MDS）を距離行列に適用し、すべての配列を相対距離を保ちながら2次元ユークリッド空間上に点として埋め込む。
• 得られたMolecular Distance Mapを可視化し、点間の幾何学的距離が遺伝的類縁関係を反映していることを確認する。
• 実際のミトコンドリアDNA配列と、トリヌクレオチド頻度が一致する人工配列を用いて、配列組成への感受性をテストする。

実験結果

リサーチクエスチョン

• RQ1 CGRに基づくDNA配列の画像表現は、アラインメントを要せず、系統的関係性を効果的に捉え、反映できるか？
• RQ2 多様な分類群にわたるDSSIM距離は、既存の系統樹とどのように一致するか？
• RQ3 本手法は、ヒト、ネアンデルタール人、デニソワ人といった近縁種をどれほど明確に区別できるか？
• RQ4 トリヌクレオチド頻度だけでは遺伝的類似度を定義するのに十分か、それ以上の高次構造的パターンが重要か？
• RQ5 ポリプテルスやターシィダエの長年の分類的曖昧さを、本手法は解消できるか？

主な発見

• 本手法は、ネアンデルタール人のミトコンドリアDNAが現代ヒトに最も近縁であることを正しく特定した。DSSIM距離は0.109であり、次にデニソワ人（0.18）、チンパンジー（0.4655）の順であった。
• キュウリのミトコンドリアDNAはホモ・サピエンス・サピエンスから最も遠く離れており、進化的分岐が確認された。
• ヒトのミトコンドリアDNAと、長さとトリヌクレオチド頻度が同一の人工配列とのDSSIM距離は平均0.9426であり、ドーリスフィラ・メラノガスタ（0.9313）よりも高い値を示した。これは、トリヌクレオチド頻度のみで分類が正確にできないことを示している。
• DSSIM距離グラフ、特に primates のミトコンドリアDNA比較においても、すべてが既存の系統樹と完全に一致しており、本手法の正確性が裏付けられた。
• Molecular Distance Mapのストレス値（Stress-1）は、1例を除きすべてで許容範囲（≤0.2）内であり、最高は0.19であった。これは、2次元埋め込みにおける点間距離の保存が良好であったことを示している。
• 本手法は、ポリプテルス、ターシィダエ、原生動物門といった議論の多い分類群の複雑な系統関係性を効果的に可視化した。これは、分類学的解明に有用である可能性を示している。