[論文レビュー] Progressive Mauve: Multiple alignment of genomes with gene flux and rearrangement

Aaron E. Darling, Bob Mau+1 more|ArXiv.org|Oct 30, 2009

Genomics and Phylogenetic Studies参考文献 58被引用数 6

ひとこと要約

Progressive Mauveは、和集合対ブレークポイントスコアと確率的フィルタリングを用いることで、広範な遺伝子フラックス、再配列、インデル変動を伴うゲノムを正確にアラインメントする新しいマルチゲノムアラインメント手法を提案する。23種のエンテロバクテリア科ゲノムのアラインメントにおいて、従来手法を上回る高い正確性を達成し、リグュラトリードイヴァージェンスに関連する広範な非コーディング領域の変異を明らかにするとともに、コアゲノム2.46 Mbpおよびパンゲノム15.2 Mbpを特定した。

ABSTRACT

Multiple genome alignment remains a challenging problem. Effects of recombination including rearrangement, segmental duplication, gain, and loss can create a mosaic pattern of homology even among closely related organisms. We describe a method to align two or more genomes that have undergone large-scale recombination, particularly genomes that have undergone substantial amounts of gene gain and loss (gene flux). The method utilizes a novel alignment objective score, referred to as a sum-of-pairs breakpoint score. We also apply a probabilistic alignment filtering method to remove erroneous alignments of unrelated sequences, which are commonly observed in other genome alignment methods. We describe new metrics for quantifying genome alignment accuracy which measure the quality of rearrangement breakpoint predictions and indel predictions. The progressive genome alignment algorithm demonstrates markedly improved accuracy over previous approaches in situations where genomes have undergone realistic amounts of genome rearrangement, gene gain, loss, and duplication. We apply the progressive genome alignment algorithm to a set of 23 completely sequenced genomes from the genera Escherichia, Shigella, and Salmonella. The 23 enterobacteria have an estimated 2.46Mbp of genomic content conserved among all taxa and total unique content of 15.2Mbp. We document substantial population-level variability among these organisms driven by homologous recombination, gene gain, and gene loss. Free, open-source software implementing the described genome alignment approach is available from http://gel.ahabs.wisc.edu/mauve .

研究の動機と目的

• 広範な遺伝子獲得・喪失・複製・再配列が生じる状況下でも正確なマルチゲノムアラインメントを達成すること。
• 再結合や遺伝子フラックスが進行するゲノムにおいて、相同対、ヘテロロゴス、および関連のない配列を区別する手法を開発すること。
• 新しいスコアリング関数を用いて相同性マッピングとアラインメントを統合することで、アラインメントの正確性を向上させること。
• ブレークポイントとインデル予測の正確性を測る指標を用いて、アラインメント品質を定量化すること。
• 多様な微生物系統間で信頼性の高い全ゲノムアラインメントを生成することで、比較ゲノム研究および集団ゲノム研究を可能にすること。

提案手法

• 本手法は、再配列や反復領域へのアラインメントを罰する新しい和集合対ブレークポイントスコアを採用している。
• 一意のリファレンスゲノムに依存しないプログレッシブアラインメント戦略を用い、系統のサブセット間で保存領域をアラインメントする。
• 誤った関連のない配列のアラインメントを除去するための確率的フィルタリングステップを実装し、特異性を向上させている。
• アラインメントと相同性マッピングを統合的なフレームワークで統合し、アンカー配置とアラインメントの相互適合を可能にしている。
• バンドスコアを用いた動的計画法に基づくアラインメントを適用することで、計算効率を向上させつつ感度を維持している。
• Javaを用いたインタラクティブな可視化機能を備え、ゲノム間で保存領域と可変領域を探索可能にしている。

実験結果

リサーチクエスチョン

• RQ1 ゲノムに顕著な遺伝子フラックスや再配列が生じる状況下でも、マルチゲノムアラインメントをどのように正確に実施できるか。
• RQ2 近縁な細菌種において、再結合、遺伝子獲得・喪失が非コーディング領域の変異にどの程度寄与するか。
• RQ3 複雑な進化的出来事の存在下でも、統一されたアラインメントフレームワークが相同対、ヘテロロゴス、非相同配列を区別できるか。
• RQ4 エンテロバクテリア科において、非コーディング領域を含めたコアゲノムとパンゲノムの多様性はどの程度か。
• RQ5 再結合が非コーディング領域の保存パターンに与える影響は何か。また、これはリグュラトリードイヴァージェンスにどのような意味を持つのか。

主な発見

• シミュレーションデータセット（現実的な遺伝子フラックスと再配列を再現）を用いた評価において、Progressive Mauveは従来手法を上回る顕著な高いアラインメント正確性を達成した。
• 本手法は、エシュェリチア、シヒラ、サルモネラ属の完全塩基配列が決定済みの23種のゲノムを正確にアラインメントし、コアゲノム2.46 Mbpおよびパンゲノム15.2 Mbpを特定した。
• 集団レベルでの顕著な可変性が観察され、変異の大部分が非コーディング領域に局在していたことから、リグュラトリードイヴァージェンスの可能性が示唆された。
• yhjE領域では、挿入・欠失・再配列が原因で非コーディング領域に著しい可変性が認められ、特定の系統ではリピート配列の非標準的置換が観察された。
• RIP要素領域における非コーディング領域の変異パターンの系統的パターンは、垂直的系統発生ではなく再結合駆動の分化を示しており、一部のE. coliおよびシヒラ菌系統で収束進化の証拠が得られた。
• 23系統アラインメントのスクリーニングにより、102の厳密な非コーディング領域が同様の可変性パターンを示したことが判明し、非コーディング領域に広範なリグュラトリーポテンシャルが存在することが強調された。