[논문 리뷰] Global Alignment of Molecular Sequences via Ancestral State Reconstruction

Alexandr Andoni, Constantinos Daskalakis외 2명|arXiv (Cornell University)|2009. 12. 14.

DNA and Biological Computing인용 수 3

한 줄 요약

이 논문은 확률적 삽입-삭제 모델 하에서 계통수 구조의 진화 모델에서 조상 상태 복원을 통해 글로벌 다중 서열 정렬을 위한 엄밀한 모델 기반 접근법을 제시한다. 연구는 계통수의 잎 서열들로부터 조상 서열을 복원하기 위한 재귀적 알고리즘을 제안하며, 낮은 돌연변이율 조건 하에서 강력한 복원 보장을 달성한다. 이는 삽입과 삭제를 고려한 나무 구조의 진화 모델에서 이러한 결과를 처음으로 이룬다.

ABSTRACT

Molecular phylogenetic techniques do not generally account for such common evolutionary events as site insertions and deletions (known as indels). Instead tree building algorithms and ancestral state inference procedures typically rely on substitution-only models of sequence evolution. In practice these methods are extended beyond this simplified setting with the use of heuristics that produce global alignments of the input sequences--an important problem which has no rigorous model-based solution. In this paper we consider a new version of the multiple sequence alignment in the context of stochastic indel models. More precisely, we introduce the following {\em trace reconstruction problem on a tree} (TRPT): a binary sequence is broadcast through a tree channel where we allow substitutions, deletions, and insertions; we seek to reconstruct the original sequence from the sequences received at the leaves of the tree. We give a recursive procedure for this problem with strong reconstruction guarantees at low mutation rates, providing also an alignment of the sequences at the leaves of the tree. The TRPT problem without indels has been studied in previous work (Mossel 2004, Daskalakis et al. 2006) as a bootstrapping step towards obtaining optimal phylogenetic reconstruction methods. The present work sets up a framework for extending these works to evolutionary models with indels.

연구 동기 및 목표

• 삽입과 삭제(인델)가 존재하는 상황에서 글로벌 다중 서열 정렬을 위한 모델 기반 솔루션의 부족을 해결하기 위해.
• 별형 계통수에서의 추적 복원을 일반적인 나무 구조의 진화 모델로 확장하기 위해.
• 교정과 삽입-삭제 사건을 모두 고려한 이론적으로 타당한 조상 서열 복원 프레임워크를 제공하기 위해.
• 잎 서열과 계통수 구조만으로도 루트 서열을 높은 확률로 복원할 수 있는 조건을 설정하기 위해.

제안 방법

• 각 간선에서 편향된 동전 뒤집기 방식으로 교정, 삭제, 삽입를 포함하는 나무 위의 새로운 추적 복원 문제(TRPT)를 수립한다.
• 재귀적 복원을 활용: 각 내부 노드에 대해 자식 노드의 서열을 앵커 기반 상관관계 검증을 사용해 정렬하여 올바른 이동을 추론하고 조상 서열을 복원한다.
• 길이 $ a = C\log n $ 인 앵커 영역을 사용해 서열 간 부분서열을 비교하고 상관관계 임계값을 통해 정확한 정렬을 탐지한다.
• 오류 전파를 제어하기 위해 악성 복원을 적용하여, 양호한 사건 조건 하에서 복원된 서열이 진짜 조상 서열을 지배하도록 보장한다.
• 돌연변이율에 대한 조건을 설정: $ p_i + p_d < O(1/k^{2/3} \log n) $ 및 $ (1-2p_s)^2 > O(d^{-1}\log d) $ 를 통해 복원 정확도를 보장한다.
• 확률적 농도 경계와 이벤트 조건부 처리(예: $ \mathcal{E} $)를 적용하여 나무 전체에서 높은 확률로 정확한 복원을 확보한다.

실험 결과

연구 질문

• RQ1 나무 구조의 확률적 진화 모델 하에서 삽입과 삭제가 존재하는 조건에서 조상 서열 복원을 엄밀하게 달성할 수 있는가?
• RQ2 교정, 삭제, 삽입의 돌연변이율에 대한 어떤 조건이 잎 서열들로부터 루트 서열을 정확하게 복원할 수 있게 하는가?
• RQ3 삽입-삭제로 진화하는 서열들 간에 동일한 유사 서열을 정확히 식별할 수 있는 재귀적이고 모델 기반의 정렬 절차를 설계할 수 있는가?
• RQ4 상관관계 기반 앵커 매칭을 어떻게 활용하여 삽입-삭제 존재 조건 하에서 정확한 정렬과 잘못된 정렬을 구분할 수 있는가?

주요 결과

• 알고리즘은 $ p_i + p_d < O(1/k^{2/3} \log n) $ 및 $ (1-2p_s)^2 > O(d^{-1}\log d) $ 조건 하에서 조상 서열을 높은 확률로 강력히 복원한다.
• 정렬된 앵커 쌍은 상관관계 $ >(1-\delta)(1-2p_s)^2 $ 를 보이며, 잘못 정렬된 쌍은 상관관계 $ < \delta $ 를 보여 정렬 탐지의 신뢰성을 확보한다.
• 재귀적 복원 과정은 악성 복원을 지배하여, 양호한 사건 조건 하에서 정확성을 보장한다.
• 이 방법은 삽입-삭제가 있는 나무에서의 첫 번째 엄밀한 추적 복원 결과를 제공하며, 이전 연구에서 교정만 고려한 모델로 제한된 것을 확장한다.
• 알고리즘은 필요한 이벤트 수가 $ n $ 에 대해 다항식 수준이 되도록 보장하여, 제시된 조건 하에서 효율적임을 보장한다.
• 높은 확률의 정확성은 길이 안정성과 상관관계 일관성 등을 포함한 양호한 이벤트 집합 $ \mathcal{E} $ 를 조건부로 하여 달성된다.