[논문 리뷰] Dynamic Programming Algorithms for Discovery of Antibiotic Resistance in Microbial Genomes

Manal Helal, Vitali Sintchenko|arXiv (Cornell University)|2023. 11. 29.

Genomics and Phylogenetic Studies참고 문헌 35인용 수 4

한 줄 요약

이 논문은 고도로 다형성 있는 미생물 게놈의 정확한 정렬을 위해 동적 프로그래밍 초입공간을 분할하기 위한 텐서 색인을 사용하는 새로운 다중 서열 정렬(MSA) 알고리즘인 mmDst를 소개한다. 이 방법은 병렬 처리를 통해 정렬 정확도를 크게 향상시키며, 임상적으로 관련성이 높은 다형성 있는 서열에서 항생제 내성 결정인자를 식별하는 데 기존 MSA 도구를 능가한다. 특히 주요 정렬 영역 외부의 모서리 세포 점수를 효율적으로 근사화함으로써 뛰어난 성능을 보인다.

ABSTRACT

The translation of comparative genomics into clinical decision support tools often depends on the quality of sequence alignments. However, currently used methods of multiple sequence alignments suffer from significant biases and problems with aligning diverged sequences. The objective of this study was to develop and test a new multiple sequence alignment (MSA) algorithm suitable for the high-throughput comparative analysis of different microbial genomes. This algorithm employs an innovative tensor indexing method for partitioning the dynamic programming hyper-cube space for parallel processing. We have used the clinically relevant task of identifying regions that determine resistance to antibiotics to test the new algorithm and to compare its performance with existing MSA methods. The new method "mmDst" performed better than existing MSA algorithms for more divergent sequences because it employs a simultaneous alignment scoring recurrence, which effectively approximated the score for edge missing cell scores that fall outside the scoring region.

연구 동기 및 목표

• 현재의 다중 서열 정렬(MSA) 방법이 고도로 다형성 있는 미생물 서열을 처리하는 데 가지는 한계를 해결하기 위해.
• 특히 임상 적용 분야에서 비교 게놈학에서의 정렬 편향과 오류를 줄이기 위해.
• 고속 처리 분석에 적합한 확장 가능하고 병렬 처리가 가능한 MSA 알고리즘을 개발하기 위해.
• 다형성 있는 영역에서의 정렬 정확도 향상을 통해 항생제 내성 유전자 탐지 능력을 향상시키기 위해.
• 새로운 방법인 mmDst의 성능을 기존 MSA 도구들과 비교하여 임상적으로 관련성이 높은 게놈 데이터에서 평가하기 위해.

제안 방법

• mmDst 알고리즘은 동적 프로그래밍 초입공간을 하위 영역으로 분할하기 위해 텐서 색인 방법을 사용한다.
• 주 정렬 영역 외부의 누락된 모서리 세포 점수를 근사화하기 위해 동시에 정렬 점수 회귀식을 사용한다.
• 텐서 분해를 통해 동적 프로그래밍 행렬의 구조를 활용하여 메모리 액세스와 로드 밸런싱을 최적화한다.
• 높은 차원의 서열 비교를 더 낮은 계산 오버헤드로 처리할 수 있도록 설계되어 있다.
• 서열 간의 다형성이 높아도 정렬의 정밀도를 유지할 수 있도록 수정된 점수 함수를 통합한다.
• 다중 컴퓨팅 노드 간 분산 처리를 가능하게 하여 고속 처리 분석을 지원한다.

실험 결과

연구 질문

• RQ1 표준 MSA 방법과 비교해 병렬 처리가 가능한 텐서 색인 기반 동적 프로그래밍 접근법이 고도로 다형성 있는 미생물 서열의 정렬 정확도를 향상시킬 수 있는가?
• RQ2 mmDst의 동시에 정렬하는 점수 회귀식은 주 정렬 영역 외부에 위치한 정렬 세포를 어떻게 처리하는가?
• RQ3 mmDst는 임상적으로 관련성이 높은 게놈 영역에서 기존 MSA 도구보다 항생제 내성 유전자 탐지에 얼마나 뛰어난가?
• RQ4 텐서 색인을 통한 병렬화 전략은 정렬 품질 향상과 함께 계산 효율성을 유지하는가?
• RQ5 mmDst는 미생물 게놈에서 다양한 수준의 서열 다형성에 대해 얼마나 강건한가?

주요 결과

• mmDst 알고리즘은 특히 항생제 내성과 관련된 영역에서 기존의 MSA 도구에 비해 고도로 다형성 있는 서열 정렬에서 뛰어난 성능을 보였다.
• 동시 점수 회귀식의 사용으로 주 정렬 영역 외부의 모서리 세포 점수를 근사화함으로써 정렬 정확도가 크게 향상되었다.
• 텐서 색인은 효율적인 로드 밸런싱과 메모리 액세스 병목 현상을 줄여 대규모 게놈 비교에 있어 확장성을 향상시켰다.
• 다양한 미생물 게놈에서 알려진 항생제 내성 결정인자를 탐지하는 데 더 높은 민감도와 양성 예측값을 달성했다.
• 다양한 수준의 서열 다형성이 있는 여러 데이터셋에서 일관된 성능 향상이 관찰되었다.
• mmDst의 병렬 아키텍처는 정렬 품질을 훼손하지 않으면서도 더 빠른 처리 시간을 달성하여 고속 처리 응용 분야에 적합하다.