[論文レビュー] The Context Sensitivity Problem in Biological Sequence Segmentation

Siew-Ann Cheong, Paul Stodghill+3 more|ArXiv.org|Apr 17, 2009

Fractal and DNA sequence analysis参考文献 17被引用数 10

ひとこと要約

本稿は、同じサブシーケンスがゲノム的文脈に応じて異なる方法でセグメンテーションされる文脈感受性問題を特定し、分析している。スライディングウインドウと再帰的スキームを用いたエントロピー的セグメンテーションにより、著者らはセグメント境界がグローバルおよびローカルなシーケンス文脈に依存することを示しており、これは標準的な粗粒度化手法の妥当性を覆す。平均場解析により、ウインドウ化された発散関数が本質的に文脈依存的であることが明らかになり、すべてのセグメンテーション手法の信頼性を損なうものである。

ABSTRACT

In this paper, we describe the context sensitivity problem encountered in partitioning a heterogeneous biological sequence into statistically homogeneous segments. After showing signatures of the problem in the bacterial genomes of Escherichia coli K-12 MG1655 and Pseudomonas syringae DC3000, when these are segmented using two entropic segmentation schemes, we clarify the contextual origins of these signatures through mean-field analyses of the segmentation schemes. Finally, we explain why we believe all sequence segmentation schems are plagued by the context sensitivity problem.

研究の動機と目的

• 同じアルゴリズムが異なるゲノム的文脈に埋め込まれた同一のサブシーケンスを一貫しない方法でセグメンテーションする理由を調査すること。
• 生物学的シーケンス解析で用いられるエントロピー的セグメンテーションスキームにおける文脈感受性の根本的要因を特定すること。
• ウインドウサイズの増大や弱いドメインウォールの除去といった、標準的な粗粒度化技術が文脈依存性のため失敗することを示すこと。
• ローカルおよびグローバルな文脈がセグメンテーションアルゴリズムにおけるドメインウォール検出をどのように歪めるかを説明する平均場モデルを構築すること。
• 文脈感受性問題がエントロピー的セグメンテーションに限らず、すべてのセグメンテーションスキームに共通して影響を及ぼす普遍的であることを示すこと。

提案手法

• 隣接するシーケンスウインドウ間の局所的統計的差異に基づいてドメインウォールを検出する、ペアドスライディングウインドウ型エントロピー的セグメンテーション手法を採用する。
• 階層的にセグメンテーションを構築する再帰的エントロピー的セグメンテーションスキームを適用し、グローバルなシーケンス文脈に敏感であることを確認する。
• ジェンセン＝シャノン発散と二乗偏差スペクトルを平均場解析によりモデル化し、ドメインウォール周辺で区分的二次曲線のラインシェイプを導出する。
• 平均場ラインシェイプを用いたマッチフィルタリング技術を導入し、生の二乗偏差スペクトルを平滑化してピーク検出を向上させる。
• 生データと平均場ラインシェイプとの適合度を評価するためのリジッドスペクトル R(i) を計算し、品質向上型スペクトル出力を可能にする。
• 平滑化されたスペクトルをリジッドスペクトル R(i) で除算することで、品質向上型スペクトルを生成し、真のドメインウォールの分解能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 同じサブシーケンスが異なる全ゲノム的文脈に埋め込まれると、なぜ異なるセグメンテーションを受けてしまうのか？
• RQ2 スライディングウインドウセグメンテーションにおけるウインドウサイズがドメインウォール検出に与える影響は何か？また、なぜ粗粒度化は信頼できないのか？
• RQ3 なぜ再帰的セグメンテーションは、ドメインウォールの真の統計的強度の順に検出できないのか？
• RQ4 繰り返し配列は、セグメンテーションにおける文脈感受性問題をどの程度悪化させるのか？
• RQ5 平均場モデルは、ローカルおよびグローバルな文脈の変化に応じたドメインウォールのスペクトル応答を正確に予測できるか？

主な発見

• E. coli K-12 MG1655における検出ドメインウォール数は、n=1000のとき2781からn=5000のとき577に減少するが、近接するウォールの統合は領域によって一貫性がなく、文脈依存性を示している。
• ペアドスライディングウインドウスキームにより、ドメインウォール検出がウインドウサイズと局所的文脈に敏感に依存しており、一貫した粗粒度化パスが存在しないことが明らかになった。
• 再帰的セグメンテーションは、グローバルな文脈が個々の境界の有意性を歪めるため、強さの順にドメインウォールを発見できない。
• 平均場解析により、ウインドウ化されたジェンセン＝シャノン発散 Δ(z) と二乗偏差 r(z) が両方ともドメインウォールを中心に区分的二次曲線のラインシェイプを示し、z=0で最大値を示すことが判明した。
• マッチフィルタードスペクトル ā€”r(i) は生スペクトルよりも滑らかく広がっているが、近接するドメインウォールの分解能は低下する。
• リジッドスペクトル R(i) は平均場ラインシェイプとの適合が悪い箇所を特定し、平滑化されたスペクトルを R(i) で除算することで、真のドメインウォールをより明確に分離できる品質向上型スペクトルが得られた。