[論文レビュー] PoMSA: An Efficient and Precise Position-based Multiple Sequence Alignment Technique

Sara A. Shehab, Sameh Shohdy+1 more|arXiv (Cornell University)|Aug 3, 2017

Genomics and Phylogenetic Studies参考文献 10被引用数 3

ひとこと要約

PoMSAは、ギャップ挿入をガイドする位置行列を構築する、新しい位置ベースの多次元配列アラインメント（MSA）手法を提案する。この手法は、アラインメントの正確性と効率性を向上させる。BAliBASE、OXBench、SMARTのベンチマークで評価された結果、Clustal-Omega、MAFFT、MUSCLEといった最先端のツールを上回るアラインメントスコアを達成し、優れた正確性とパフォーマンスを示した。

ABSTRACT

Analyzing the relation between a set of biological sequences can help to identify and understand the evolutionary history of these sequences and the functional relations among them. Multiple Sequence Alignment (MSA) is the main obstacle to proper design and develop homology and evolutionary modeling applications since these kinds of applications require an effective MSA technique with high accuracy. This work proposes a novel Position-based Multiple Sequence Alignment (PoMSA) technique -- which depends on generating a position matrix for a given set of biological sequences. This position matrix can be used to reconstruct the given set of sequences in more aligned format. On the contrary of existing techniques, PoMSA uses position matrix instead of distance matrix to correctly adding gaps in sequences which improve the efficiency of the alignment operation. We have evaluated the proposed technique with different datasets benchmarks such as BAliBASE, OXBench, and SMART. The experiments show that PoMSA technique satisfies higher alignment score compared to existing state-of-art algorithms: Clustal-Omega, MAFTT, and MUSCLE.

研究の動機と目的

• 既存のMSA手法が距離行列に依存するため、最適でないギャップ挿入やアラインメント正確性の低下を引き起こすという問題を解決すること。
• 相同性および進化的モデリングの応用に適した、より効率的で正確なMSA技術を開発すること。
• 配列間の関係をよりよく捉え、正確なギャップ挿入をガイドする、位置行列に基づくアプローチを導入すること。
• 標準的な生物学的配列ベンチマークを用いて、提案手法を既存のMSAツールと比較して評価すること。
• 位置ベースのアラインメントが、距離ベースまたは反復的手法よりも高いアラインメントスコアを達成できることを示すこと。

提案手法

• 入力された生物学的配列から位置行列を構築し、配列全体における各位置におけるアミノ酸残基の頻度と分布を表現する。
• 位置行列を用いてアラインメントプロセスをガイドし、特に生物学的に意味のあるギャップ挿入の最適な位置を特定する。
• 従来の手法が進化的関係を推定するために距離行列を用いるのに対し、PoMSAは直接的に位置的保存性と変異をモデル化する。
• 位置行列を活用して、より高い正確性で再アラインメントを行う反復的プロセスにより、アラインメントを段階的に最適化する。
• ヒューリスティックな距離計算に依存しないため、計算オーバーヘッドを低減し、アラインメントの正確性を向上させる。
• 再現可能性と比較可能性を確保するため、BAliBASE、OXBench、SMARTといった標準的なMSAベンチマークを用いて手法を評価する。

実験結果

リサーチクエスチョン

• RQ1 位置行列に基づくアプローチは、距離行列に基づく手法と比較して、多次元配列アラインメントの正確性を向上させることができるか？
• RQ2 提案されたPoMSA手法は、Clustal-Omega、MAFFT、MUSCLEといった最先端のツールを上回るアラインメントスコアを達成するか？
• RQ3 位置ベースのアラインメントは、計算オーバーヘッドを低減しつつ、アラインメント品質を維持または向上させることができるか？
• RQ4 PoMSAは、配列類似度が異なる多様な生物学的配列データセットにおいて、どのように性能を発揮するか？
• RQ5 進化的距離ではなく位置情報を使うことで、ギャップ挿入の正確性はどの程度向上するか？

主な発見

• PoMSAは、BAliBASE、OXBench、SMARTのベンチマークにおいて、Clustal-Omega、MAFFT、MUSCLEを上回るアラインメントスコアを達成した。
• 位置行列の使用により、距離ベースの手法と比較してより正確なギャップ挿入が可能となり、アラインメント品質が向上した。
• 計算コストの高い距離行列計算を回避することで、提案手法は優れた効率性を示した。
• 結果から、位置ベースのモデリングが、従来のアプローチよりも生物学的に意味のあるパターンをより効果的に捉えられると示された。
• 多様な配列データセットにおいて一貫した性能向上が確認され、ロバストさと一般化能力が示された。
• 本研究は、位置行列に基づくアラインメントが、既存のMSA技術に対する実用的で効果的な代替手段であることを確認した。