[論文レビュー] Reciprocal best hits are not a logically sufficient condition for orthology

Toby Johnson|ArXiv.org|Jun 1, 2007

Algorithms and Data Compression参考文献 3被引用数 5

ひとこと要約

本稿は、共通して用いられる直交的最良ヒット（reciprocal best hits）が、同一遺伝子対応関係（orthology）の論理的十分条件として成立しないことを示している。これは、同一遺伝子対応関係の推移性と排他的性と内在的な矛盾を呈するためである。グラフ理論と*Staphylococcus aureus*菌株の実証的分析を通じて、直交的最良ヒットが重複するクリーク（clique）を形成し得ることを明らかにした。その結果、5.9%の配列と13.7%のクリークが最大連結部分グラフの外側に位置し、この手法による同一遺伝子対応関係推定の信頼性が損なわれることを示した。

ABSTRACT

It is common to use reciprocal best hits, also known as a boomerang criterion, for determining orthology between sequences. The best hits may be found by blast, or by other more recently developed algorithms. Previous work seems to have assumed that reciprocal best hits is a sufficient but not necessary condition for orthology. In this article, I explain why reciprocal best hits cannot logically be a sufficient condition for orthology. If reciprocal best hits is neither sufficient nor necessary for orthology, it would seem worthwhile to examine further the logical foundations of some unsupervised algorithms that are used to identify orthologs.

研究の動機と目的

• 直交的最良ヒットが同一遺伝子対応関係を同定するための十分条件であるという広く受け入れられている仮定に挑戦すること。
• 同一遺伝子対応関係の基本的性質（推移性と排他的性）と、直交的最良ヒット基準との間にある論理的不整合を暴露すること。
• 実際の生物学的データセットにおいて、直交的最良ヒットが同一遺伝子対応配列を信頼性高く同定できるかどうかを調査すること。
• 直交的最良ヒットグラフにおける非クリーク的最大小グラフの頻度を定量化し、同一遺伝子対応関係推定の誤りの可能性を評価すること。

提案手法

• 頂点を配列、辺を直交的最良ヒット関係としてモデル化するグラフにおいて、直交的最良ヒットをクリークとして扱うグラフ理論を用いた理論的分析。
• 直交的最良ヒット条件が同一遺伝子対応関係の推移的かつ排他的性質と矛盾することを形式的証明し、論理的に不十分であることを示した。
• BLASTPを用いて9株の*Staphylococcus aureus*を解析し、直交的最良ヒットを同定し、直交的最良ヒットグラフを構築した。
• 最大連結部分グラフおよびクリークの同定を通じて、直交的最良ヒットが完全かつ重複のない集合を形成するかを評価した。
• 非クリーク的最大小グラフおよび不完全なクリークの定量化により、同一遺伝子対応関係推定における論理的不整合の程度を測定した。
• クリークおよび部分グラフのサイズ分布分析を用いて、曖昧な同一遺伝子対応関係の割り当ての頻度と影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 同一遺伝子対応関係の推移性と排他的性を考慮すると、直交的最良ヒットが論理的に同一遺伝子対応関係の十分条件として成立するか？
• RQ2 直交的最良ヒットグラフに、同一遺伝子対応関係推定の論理的基盤を損なう構造的配置が存在するか？
• RQ3 直交的最良ヒットネットワークにおいて、非クリーク的最大小グラフがどの程度頻発するか？これは同一遺伝子対応関係推定の誤りの兆候である。
• RQ4 実際の生物学的データセットにおいて、配列およびクリークの何パーセントが最大連結部分グラフの外側に位置するか？これは直交的最良ヒットの信頼性を損なう。
• RQ5 直交的最良ヒットによる曖昧な同一遺伝子対応関係推定の問題は、系統発生的距離の増大や真核生物の非コーディング配列の解析において、顕著になるか？

主な発見

• 直交的最良ヒットは、同一遺伝子対応関係の推移的性質に反するため、論理的に十分条件とはなり得ない。
• 1つの配列が、複数の重複する最大クリークに属する可能性があるため、これは同一遺伝子対応関係集合の排他的性に反する。
• *S. aureus*データセットにおいて、5.9%の配列がクリークでない最大連結部分グラフに属しており、この場合、直交的最良ヒットは同一遺伝子対応関係を同定できていない。
• 3つ以上の配列からなるクリークのうち13.7%が最大連結部分グラフでないため、一部の直交的最良ヒット集合は不完全であり、誤った同一遺伝子対応関係推定を引き起こす可能性がある。
• 2つの最大連結部分グラフ（それぞれサイズ22）には複数の重複するクリークが存在し、近縁株ですら同一遺伝子対応関係の割り当てに構造的曖昧さが生じることを示している。
• 問題のケースの割合は、系統発生的距離の増大、または真核生物の非コーディング配列を解析する際、より高くなる可能性があり、同一遺伝子対応関係同定手法に広範な影響を及ぼす可能性がある。