[논문 리뷰] A complexity measure for symbolic sequences and applications to DNA

A. P. Majtey, Ramón Román-Roldán외 1명|ArXiv.org|2006. 06. 13.

Fractal and DNA sequence analysis인용 수 3

한 줄 요약

이 논문은 심볼적 순서열을 비교적 균일한 조성의 영역으로 분할하고, 세그먼트 길이 분포의 엔트로피로 복잡성을 측정하는 복잡성 척도를 제안한다. 이 척도는 일하이프 곡선, 초가역성, 분석 해상도에 대한 민감성과 같은 핵심 성질을 만족하며, 특히 복합성과 장거리 상관관계를 보이는 유전자 영역과 비코딩 영역 간의 구조적 차이를 성공적으로 드러낸다.

ABSTRACT

We introduce a complexity measure for symbolic sequences. Starting from a segmentation procedure of the sequence, we define its complexity as the entropy of the distribution of lengths of the domains of relatively uniform composition in which the sequence is decomposed. We show that this quantity verifies the properties usually required for a ``good'' complexity measure. In particular it satisfies the one hump property, is super-additive and has the important property of being dependent of the level of detail in which the sequence is analyzed. Finally we apply it to the evaluation of the complexity profile of some genetic sequences.

연구 동기 및 목표

• 순서와 무질서를 동시에 반영하는 심볼적 순서열을 위한 복잡성 척도를 개발하여, 일하이프 곡선 및 초가역성과 같은 기본 성질을 만족시키는 것.
• 분석의 세부 수준에 따라 복잡성이 어떻게 달라지는지, 특히 조절 가능한 세그먼트 임계값을 통해 분석하는 것.
• 이 척도가 유전체 순서열에서의 구조적 및 진화적 특징(예: 코딩 대 비코딩 영역, 장거리 상관관계 등)을 탐지하는 데 얼마나 효과적인지 평가하는 것.
• 기존 방법들과의 성능 비교를 통해, 특히 DNA 순서열에서 생물학적으로 의미 있는 패턴을 구분하는 능력을 평가하는 것.

제안 방법

• 임계값 기반의 세그먼트화 절차를 사용하여 심볼적 순서열을 연속적인 비교적 균일한 조성의 영역으로 나누기.
• 세그먼트 길이의 확률 분포의 샤논 엔트로피로 복잡성 정의하기.
• 분석의 세부 수준을 제어하기 위해 세그먼트 임계값 $ D_u $ 를 조절하여 다중 척도 복잡성 평가 가능하게 하기.
• 실제 DNA 순서열(예: 인간 및 박테리아 게놈)과 비교를 위해 컴퓨터로 생성한 무작위 순서열에 이 척도 적용하기.
• 가중 평균을 사용하여 초가역성 성질 테스트: 연결된 순서열의 복잡성과 개별 복잡성의 합을 비교하기.
• 다양한 유전체 영역(예: 엑손 대 인트론)과 다양한 종의 동일 유전자 서열에서 복잡성 프로파일 분석을 통해 생물학적 관련성 평가하기.

실험 결과

연구 질문

• RQ1 제안된 복잡성 척도는 중간 정도의 질서와 무질서에서 복잡성이 최대가 되는 일하이프 성질을 보여주는가?
• RQ2 복잡성 값은 세그먼트 임계값 $ D_u $ 에 따라 어떻게 달라지며, 이는 순서열의 구조를 의미 있는 다중 척도 분석으로 반영하는가?
• RQ3 복합 시스템에서 복잡성의 강력한 척도로서 요구되는 초가역성 조건을 충족하는가?
• RQ4 이 복잡성 척도는 장거리 상관관계를 보이는 영역에서 코딩 영역과 비코딩 영역을 구분할 수 있는가?
• RQ5 다른 종의 동일 유전자 서열 간의 생물학적 복잡성과 진화적 특징과의 상관관계는 어느 정도인가?

주요 결과

• 복잡성 척도는 일하이프 성질을 보이며, 순서열의 규칙성 중간 수준에서 최대 복잡성을 보여, 복잡한 구조를 탐지할 수 있음을 확인한다.
• 박테리아 ECO110k와 동일한 염기 조성을 가진 무작위 순서열의 경우, $ D_u $ 가 20–50 범위일 때 복잡성이 0으로 감소하여, 이 방법이 무작위성을 효과적으로 식별함을 나타낸다.
• 인간 DNA 순서열(예: HUMTCRADCV)은 동일한 $ D_u $ 범위에서 박테리아 순서열보다 더 높은 복잡성을 보이며, 이는 잠재적 장거리 상관관계를 반영한다.
• 복잡성 프로파일은 이전 척도와 달리 $ D_u $ 가 증가함에 따라 0으로 감소하지 않아, 강건성과 구조적 특징에 대한 민감성을 보여준다.
• 이 척도는 초가역성 조건을 만족한다: 연결된 순서열의 복잡성은 개별 복잡성의 가중 평균보다 크거나 같다.
• 비코딩 영역(인트론 및 유전자 간 영역)에서의 복잡성 값은 코딩 영역보다 높으며, 이는 장거리 상관관계와 진화적 동역학과 상관된다.