[논문 리뷰] Extending the Recursive Jensen-Shannon Segmentation of Biological Sequences

Siew-Ann Cheong, Paul Stodghill외 3명|ArXiv.org|2009. 04. 16.

RNA and protein synthesis mechanisms참고 문헌 26인용 수 7

한 줄 요약

이 논문은 생물학적 서열에 대한 재귀적 Jensen-Shannon 분할 방법을 확장하여, 베르누이 체인 대신 마르코프 체인으로 세그먼트를 모델링하고, 마르코프 모델을 위한 일반화된 Jensen-Shannon 발산을 도입한다. 국소 최적화 기법을 제안하여 도메인 월 위치를 개선하고, 통계적 변동에 기반한 새로운 종료 기준을 도입함으로써, 세그먼트 수나 영(null) 모델에 대한 사전 가정 없이도 E. coli K-12 MG1655 게놈에서 분할 정확도와 강인성을 크게 향상시킨다.

ABSTRACT

In this paper, we extend a previously developed recursive entropic segmentation scheme for applications to biological sequences. Instead of Bernoulli chains, we model the statistically stationary segments in a biological sequence as Markov chains, and define a generalized Jensen-Shannon divergence for distinguishing between two Markov chains. We then undertake a mean-field analysis, based on which we identify pitfalls associated with the recursive Jensen-Shannon segmentation scheme. Following this, we explain the need for segmentation optimization, and describe two local optimization schemes for improving the positions of domain walls discovered at each recursion stage. We also develop a new termination criterion for recursive Jensen-Shannon segmentation based on the strength of statistical fluctuations up to a minimum statistically reliable segment length, avoiding the need for unrealistic null and alternative segment models of the target sequence. Finally, we compare the extended scheme against the original scheme by recursively segmenting the Escherichia coli K-12 MG1655 genome.

연구 동기 및 목표

• 생물학적 서열의 세그먼트를 베르누이 체인 대신 마르코프 체인으로 모델링하여 재귀적 분할의 정확도를 향상시키기.
• 원래의 재귀적 Jensen-Shannon 기법의 한계를 해결하기, 특히 분할 스펙트럼의 국소적 변동으로 인해 도메인 월이 최적의 순서로 발견되지 않는 문제를 해결하기.
• 국소 최적화 알고리즘을 개발하여 도메인 월 위치를 더 강한 발산 지점으로 재배치함으로써, 검출된 도메인 월의 통계적 유의성을 향상시키기.
• 내재된 통계적 변동에 기반한 새로운 종료 기준을 제안하여, 임의의 영 모델이나 사전에 정의된 세그먼트 수에 의존하지 않도록 하기.
• 원래 방법과 비교하여 E. coli K-12 MG1655 게놈에서 개선된 기법의 안정성과 신뢰성을 평가하기.

제안 방법

• K>0인 순서의 두 마르코프 체인을 비교하기 위해 Jensen-Shannon 발산을 일반화하여, 생물학적 서열의 이핵산기 및 코돈 편향을 더 잘 모델링할 수 있도록 한다.
• 재귀적 분할 과정에 대한 평균장 분석을 수행하여, 가짜 피크와 발산 스펙트럼의 구불거림 같은 문제점을 파악하고, 이는 진정한 도메인 월을 가리키는 데 어려움을 초래한다.
• 국소 최적화 기법 두 가지를 개발하여, 각 재귀 수준에서 도메인 월을 통계적 유의성이 가장 높은 지점으로 반복적으로 재배치함으로써 분할 품질을 향상시킨다.
• 하위-컷 길이의 통계적 변동의 상대 강도에 기반한 새로운 종료 기준을 제안하며, 이는 원시 발산 스펙트럼과 스무딩된 발산 스펙트럼 간의 분수적 면적 차이 δA/A로 정량화된다.
• 최종 분할을 근사하기 위해 재귀적 군집화를 구현하며, δA/A 통계량을 정지 기준으로 사용하여 해상되지 않은 변동의 유의성을 반영한다.
• 최적화된 기법을 E. coli K-12 MG1655 게놈에 적용하여 원래 방법과 결과를 비교함으로써 도메인 월의 안정성과 검출 순서를 평가한다.

실험 결과

연구 질문

• RQ1 K>0인 순서의 마르코프 체인으로 생물학적 서열 세그먼트를 모델링할 경우, 베르누이 체인 대비 분할 정확도가 어떻게 향상되는가?
• RQ2 왜 원래의 재귀적 Jensen-Shannon 분할 기법이 도메인 월을 진정한 통계적 강도 순서로 발견하지 못하는가? 이 순서 오류의 원인은 무엇인가?
• RQ3 국소 최적화를 통해 도메인 월 위치를 조정하면 재귀적 분할에서 검출된 세그먼트의 통계적 유의성이 향상되는가?
• RQ4 null 또는 대안 세그먼트 모델에 의존하지 않는 강력한, 모델에 종속되지 않는 종료 기준은 무엇인가?
• RQ5 실제 박테리아 게놈인 E. coli K-12 MG1655에서 최적화된 분할 기법은 원래 기법에 비해 안정적이고 생물학적으로 의미 있는 도메인 월을 어떻게 더 잘 탐지하는가?

주요 결과

• 마르코프 체인을 위한 일반화된 Jensen-Shannon 발산은 생물학적 서열의 단기 상관관계를 효과적으로 포착하며, 이는 이핵산기 및 코돈 편향을 표현하는 데 있어 베르누이 모델보다 뛰어나다.
• 평균장 분석을 통해 진정한 도메인 월이 발산 스펙트럼에서 피크, 구부러진 지점, 심지어는 사라지는 경우도 있음을 밝혀내어, 원래 기법에서의 비최적의 검출 순서를 설명한다.
• 국소 최적화 기법은 도메인 월을 더 강한 발산 지점으로 성공적으로 재배치하여, 완성되지 않은 분할의 통계적 유의성을 향상시킨다.
• δA/A에 기반한 새로운 종료 기준은 더 이상 의미 없는 정보를 추가하지 않는 시점에 효과적으로 도달함을 보여주며, 비현실적인 영 모델에 의존하지 않도록 한다.
• E. coli K-12 MG1655 게놈에서 최적화된 기법은 원래 기법보다 안정적인 도메인 월을 더 이르고 더 신뢰성 있게 탐지하였으며, 안정적인 월이 항상 먼저 발견되었다.
• 최적화된 분할은 문맥 민감성으로 인해 완전히 계층적이지는 않았지만, 안정적인 도메인 월은 생물학적으로 의미 있는 경계를 잘 나타내는 강력한 지표로 남아 있었다.