[논문 리뷰] Group testing problems in experimental molecular biology

Emanuel Knill, S. Muthukrishnan|ArXiv.org|1995. 05. 04.

SARS-CoV-2 detection and testing인용 수 14

한 줄 요약

이 논문은 실험 분자생물학에서 비적응형 스크리닝 전략, 오류 내성, 생물학적 제약 조건(제한된 대역폭 및 드 브루이진 그래프 구조 포함)을 고려한 새로운 군집 테스팅 문제를 제안한다. 실질적인 스크리닝 비용, 오염, 확률적 사전 정보를 반영한 군집 테스팅의 실용적 변형을 도입하며, 생물학적 현실성을 반영한 풀 설계 최적화 및 확정 테스트 수 최소화에 핵심 기여를 한다.

ABSTRACT

In group testing, the task is to determine the distinguished members of a set of objects L by asking subset queries of the form ``does the subset Q of L contain a distinguished object?'' The primary biological application of group testing is for screening libraries of clones with hybridization probes. This is a crucial step in constructing physical maps and for finding genes. Group testing has also been considered for sequencing by hybridization. Another important application includes screening libraries of reagents for useful chemically active zones. This preliminary report discusses some of the constrained group testing problems which arise in biology.

연구 동기 및 목표

• 분자생물학에서 풀 준비 및 스크리닝 비용이 높은 문제를 해결하기 위해 총 실험 비용을 최소화하는 비적응형 군집 테스팅 전략을 제안한다.
• 물리적 맵핑 및 하이브리드화 기반 시퀀싱 응용을 모델링하기 위해 제한된 대역폭(B(w)) 및 드 브루이진 그래프 구조와 같은 현실적인 제약 조건을 도입한다.
• 특히 노이즈가 있거나 신뢰할 수 없는 스크리닝 결과 상황에서, 구성된 풀의 수와 필요로 하는 확정 개별 테스트 수 사이의 트레이드오프를 최적화한다.
• 사전 확률이 제공되는 경우 효율성을 향상시키기 위해 베이지안 디코딩과 평균 케이스 분석을 통합한다.
• 다중 프로브 스크리닝, 오염, 임의의 양성/음성 오류 비율을 포함한 실제 생물학적 스크리닝 워크플로우를 반영한 문제 제형을 개발한다.

제안 방법

• 두 단계 전략을 제안한다: 먼저 병렬로 사전 구성된 풀을 스크리닝한 후, 첫 번째 라운드에서 식별된 후보자들에 대해 개별 확정 테스트를 수행한다.
• 제한된 대역폭(B(w)) 및 드 브루이진 그래프 구조와 같은 제약 조건 하에서 군집 테스팅 문제를 수식화하며, 이는 게놈 클론 라이브러리와 하이브리드화 기반 시퀀싱을 모델링한다.
• 물리적 맵핑에서 발생하는 인cidense 행렬을 모델링하기 위해 단조 증가 일의성 성질을 사용하여 프로브-객체 관계를 효율적으로 복구할 수 있도록 한다.
• 평균 케이스 분석과 베이지안 디코딩을 적용하여, 테스트 결과와 사전 분포를 기반으로 객체의 양성 확률을 후행 확률로 추정한다.
• 확정 테스트의 초과 수(h)에 명시적 상한을 두고, 풀의 수와 확정 테스트 수를 최소화하는 풀 설계를 최적화한다.
• 가짜 양성 및 가짜 음성 허용을 통해 실험적 노이즈를 모델링하고, 문제 제형에 내성성을 통합한다.

실험 결과

연구 질문

• RQ1 제한된 대역폭 조건 하에서, 최대 h개의 초과 확정 테스트를 허용할 때 항상 양성 집합을 식별하기 위해 필요한 최소 풀 수는 얼마인가?
• RQ2 최악의 경우 또는 평균 케이스 가정 하에서, h개의 확정 테스트로 제한할 때, 스크리닝 가능한 객체 수를 최대화하기 위해 풀 설계를 어떻게 최적화할 수 있는가?
• RQ3 드 브루이진 그래프 구조나 단조 증가 일의성 성질과 같은 생물학적 제약 조건이 물리적 맵핑에서 군집 테스팅의 효율성에 미치는 영향은 무엇인가?
• RQ4 실험적 노이즈(가짜 양성 및 가짜 음성)는 클론 스크리닝에서 군집 테스팅 전략의 신뢰성과 비용에 어떤 영향을 미치는가?
• RQ5 사전 분포가 알려진 경우, 베이지안 디코딩은 정확도를 향상시키고 확정 테스트 수를 줄이는 데 어떻게 기여하는가?

주요 결과

• 15,000개의 클론과 프로브당 평균 2.5개의 양성 클론이 예상되는 실제 스크리닝에서, 고도의 가짜 음성(10%)과 가짜 양성(7%) 비율에도 불구하고 약 60%의 스크리닝에서 몇 개의 확정 테스트만으로도 양성 클론을 확보했다.
• 비적응형 전략인 풀 스크리닝 후 개별 확정 테스트 수행 방식은 여전히 실무에서 필수적이며, 음성 객체에 대한 초과 확정 테스트가 주요 비용 요소이다.
• 제한된 대역폭 가정(B(w))은 양성 클론이 너비 w인 게놈 영역 내에 국소화되어 있음을 모델링하며, 이는 검색 공간을 줄이고 효율적인 풀 설계를 가능하게 한다.
• 드 브루이진 그래프 가정은 하이브리드화 기반 시퀀싱을 모델링하며, 프로브의 인세던스는 겹치는 k-머스에 의존하고, 문자열 겹침 성질을 기반으로 구조화된 풀 설계를 가능하게 한다.
• 단조 증가 일의성 성질을 가진 군집 테스팅 문제에서는, 구조화된 풀링과 확정 테스트를 통해 인세던스 행렬을 효율적으로 복구할 수 있다.
• 평균 케이스 분석과 베이지안 디코딩은 사전 정보가 있을 경우 후행 확률 추정을 통해 스크리닝 효율성을 크게 향상시키며, 확정 테스트의 필요성을 줄인다.