[논문 리뷰] Detecting the homology of DNA-sequences based on the variety of optimal alignments: a case study

Erik Hirmo, Jüri LemberHeinrich Matzinger외 1명|arXiv (Cornell University)|2012. 10. 14.

Algorithms and Data Compression참고 문헌 5인용 수 4

한 줄 요약

이 논문은 DNA 서열에 대한 새로운 동일성 탐지 방법을 제안하며, 특히 가장 긴 공통 부분수열(LCS) 프레임워크 내에서 최극값 정렬(가장 높고 가장 낮은 정렬)의 다양성을 기반으로 한다. 최극값 정렬 간의 수직 및 수평 거리, 비유일성 스트레치의 길이, 유일성 점의 수를 측정하여, 기존의 표준 LCS 길이만으로는 제공할 수 없는 더 민감한 서열 유사성 측정을 가능하게 하며, 박테리아의 dnaA 유전자에서 미세한 동일성을 탐지하는 데서 BLAST를 능가한다.

ABSTRACT

We consider a novel approach of measuring the homology of DNA sequences based of the variety of optimal alignments in the longest common subsequence sense. The proposed approach is compared with BLAST in measuring the homology of four genes.

연구 동기 및 목표

• 기존의 정렬 점수보다 더 민감한 동일성 탐지 방법을 개발하기 위해 최적 정렬의 다양성을 활용한다.
• 최극값 정렬(가장 높고 가장 낮은 정렬)의 구조적 다양성이 DNA 서열의 생물학적 유사성과 어떻게 관련되어 있는지 조사한다.
• 실제 생물학적 서열에서 제안된 최극값 정렬 기반 메트릭과 표준 BLAST 출력 결과를 비교한다.
• 비유일성 스트레치, 유일성 점 등의 정렬 다양성 측정치가 미세한 동일성을 탐지하는 데 얼마나 민감한지 평가한다.

제안 방법

• 이 방법은 두 DNA 서열의 가장 긴 공통 부분수열(LCS)에 해당하는 모든 최적 정렬을 식별한다.
• 최극값 정렬은 서열 정렬의 2차원 격자 표현에서 가장 위쪽(상단)과 가장 아래쪽(하단) 정렬로 정의된다.
• 최극값 정렬 간의 최대 수직 및 수평 거리를 계산하고, 이를 합쳐 동일성 측정치로 사용한다.
• 최극값 정렬이 갈라지는 부분에서의 가장 긴 비유일성 스트레치의 길이를 계산하여 정렬 다양성의 척도로 삼는다.
• 최극값 정렬이 겹치는 위치(유일성 점)의 수를 세어 다른 동일성 지표로 사용한다.
• 이러한 메트릭은 네 개의 박테리아 dnaA 유전자에서 표준 BLAST 출력 결과(E-value, MaxIdent, Query coverage)와 비교된다.

실험 결과

연구 질문

• RQ1 최적 정렬의 다양성, 특히 최극값 정렬 간의 거리가 서열 동일성의 신뢰할 수 있는 지표가 될 수 있는가?
• RQ2 가장 긴 비유일성 스트레치의 길이가 DNA 서열의 생물학적 유사성과 어떻게 상관관계가 있는가?
• RQ3 유일성 점의 수와 정렬 다양성 메트릭이 표준 LCS 길이에 비해 동일성 탐지에 얼마나 뛰어나게 작용하는가?
• RQ4 최극값 정렬 기반 메트릭은 밀접하게 관련된 박테리아 유전자 간의 관련성 탐지에서 BLAST의 E-value와 MaxIdent에 비해 어떻게 비교되는가?

주요 결과

• 최극값 정렬 간의 최대 수직 및 수평 거리의 합(Vert+Hor=Sum)은 생물학적 유사성과 강한 상관관계를 보이며, 매우 관련성이 높은 쌍(예: Gene 1–2 및 3–4)에서는 0이며, 관련성이 낮은 쌍에서는 44로 증가한다.
• 가장 긴 비유일성 스트레치의 길이는 매우 관련성이 높은 유전자 쌍(예: Gene 1–2)에서는 0이며, 관련성이 낮은 쌍에서는 111로 증가하여, 관련성이 없는 서열에서는 더 큰 정렬 다양성이 있음을 시사한다.
• 유일성 점의 수는 가장 관련성이 높은 쌍(Gene 1–2)에서 최고(1518)이며, 관련성이 가장 낮은 쌍(Gene 3–4)에서는 520으로 감소하여, 관련성이 높은 서열에서는 더 높은 정렬 일관성이 있음을 반영한다.
• 모든 최극값 정렬 기반 메트릭(Vet+Hor=Sum, non-uniq st., uniq points)은 BLAST의 E-value와 MaxIdent와 강하게 일치하며, 미세한 동일성을 탐지하는 데 더 민감함을 시사한다.
• LCS 길이만으로도 잘 작동하지만, 특히 중간 정도의 유사성을 가진 쌍에서 관련성의 미세한 차이를 포착하는 데서 다양성 기반 메트릭이 더 뛰어나다.