[논문 리뷰] In the Light of Deep Coalescence: Revisiting Trees Within Networks

Jiafan Zhu, Yun Yu외 1명|arXiv (Cornell University)|2016. 06. 23.

Genetic diversity and population structure참고 문헌 12인용 수 6

한 줄 요약

이 논문은 심층 공유(불완전한 선형 분리) 효과를 더 잘 반영하기 위해 계통발생 네트워크 추론에서 표준적인 '표시된 트리' 개념을 '부모 트리'로 대체할 것을 제안한다. 부모 트리를 유전자 트리가 네트워크의 노드와 분지들을 통해 직접 유전한 진화적 역사를 정의함으로써, 저자들은 표시된 트리만으로는 심층 공유 상황에서 정확한 네트워크 추론이 불충분함을 입증하고, 유전자 트리 군집으로부터 부모 트리를 추론한 후 네트워크를 재구성하는 클러스터링 기반 방법을 제안한다. 이는 정확도를 향상시킨다.

ABSTRACT

Phylogenetic networks model reticulate evolutionary histories. The last two decades have seen an increased interest in establishing mathematical results and developing computational methods for inferring and analyzing these networks. A salient concept underlying a great majority of these developments has been the notion that a network displays a set of trees and those trees can be used to infer, analyze, and study the network. In this paper, we show that in the presence of coalescence effects, the set of displayed trees is not sufficient to capture the network. We formally define the set of parental trees of a network and make three contributions based on this definition. First, we extend the notion of anomaly zone to phylogenetic networks and report on anomaly results for different networks. Second, we demonstrate how coalescence events could negatively affect the ability to infer a species tree that could be augmented into the correct network. Third, we demonstrate how a phylogenetic network can be viewed as a mixture model that lends itself to a novel inference approach via gene tree clustering. Our results demonstrate the limitations of focusing on the set of trees displayed by a network when analyzing and inferring the network. Our findings can form the basis for achieving higher accuracy when inferring phylogenetic networks and open up new venues for research in this area, including new problem formulations based on the notion of a network's parental trees.

연구 동기 및 목표

• 심층 공유(불완전한 선형 분리)가 존재할 때 표시된 트리만을 사용하는 계통발생 네트워크 추론의 한계를 해결하기 위해.
• 유전자 트리의 진화를 네트워크 내에서 더 정확하게 표현하는 부모 트리의 개념을 정의하고 체계화하기 위해.
• 이상 영역(Anomaly zone) 개념을 네트워크로 확장하여, 가장 가능성 높은 유전자 트리가 표시된 트리 중에 포함되지 않을 수 있음을 보여주기 위해.
• 유전자 트리 군집에서 부모 트리를 추론하고, 이를 바탕으로 네트워크를 재구성하는 새로운 추론 접근 방식을 제안하기 위해.
• 심층 공유가 광범위하게 발생할 경우 기존의 백본 트리 추론 방법이 실패함을 보이고, 인구 효과를 고려한 복잡한 진화를 위한 새로운 방법이 필요함을 제기하기 위해.

제안 방법

• 계통발생 네트워크의 부모 트리 집합을 정의하여, 유전자 계통의 진화 경로가 네트워크의 노드와 분지와 직접적으로 대응하는 트리로 간주한다.
• 네트워크에 대한 이상 영역의 공식 정의를 도입하여, 가장 가능성 높은 유전자 트리가 부모 트리가 되지 않는 분지 길이 및 유전 확률 영역을 식별한다.
• 클러스터링 기반 추론 파이프라인 제안: 유전자 트리 간의 비유사도 측정을 통해 군집화하고, 각 군집으로부터 최소 심층 공유(MDC)를 사용해 부모 트리를 추론한 후 이를 통합하여 네트워크를 구성한다.
• 성능 평가에서 추론된 부모 트리와 진짜 부모 트리 간의 유사도를 측정하기 위해 Robinson-Foulds(RF) 거리를 사용한다.
• PhyloNet에서 구현된 방법은 추론된 트리와 진짜 트리를 매칭하기 위해 최소 무게 간선 커버 알고리즘을 사용한다.
• 다양한 수의 유전자 트리(50~250개)를 사용한 시뮬레이션 데이터에서 성능을 평가하고, 부모 트리 복구 오류율을 측정한다.

실험 결과

연구 질문

• RQ1 표시된 트리가 아닌 전체 부모 트리 집합을 고려할 때, 이상 영역 개념을 종 분류수 나무에서 계통발생 네트워크로 의미 있게 확장할 수 있는가?
• RQ2 심층 공유가 네트워크 내에서 가장 가능성 높은 유전자 트리가 부모 트리 중 어느 하나와도 다를 수 있도록 영향을 미치는 정도는 어느 정도이며, 이는 기존의 추론 접근 방식을 약화시키는가?
• RQ3 유전자 트리 군집에서 부모 트리를 추론하는 클러스터링 기반 접근 방식이, 모든 입력 유전자 트리를 표시하는 네트워크를 찾는 전통적 방법보다 성능이 뛰어나게 되는가?
• RQ4 기존의 백본 트리 추론 방법이 심층 공유가 광범위하게 발생하는 조건에서 실패하는 이유는 무엇이며, 이는 네트워크 추론에 어떤 영향을 미치는가?
• RQ5 계통발생 네트워크를 표시된 트리의 집합이 아니라 부모 트리의 혼합으로 모델링하는 데 근본적인 이점이 있는가?

주요 결과

• 심층 공유가 발생할 경우, 네트워크가 표시하는 트리 집합만으로는 유전자 트리의 진화를 충분히 반영할 수 없으며, 가장 가능성 높은 유전자 트리가 그 중에 포함되지 않을 수 있다.
• 네트워크의 이상 영역은 전체 부모 트리 집합에 기반하여 정의되며, 이러한 영역이 존재하고 추론 정확도에 영향을 줄 수 있음이 입증되었다.
• 심층 공유가 광범위하게 발생할 경우, 네트워크 내에서 백본 트리나 종 분류수 나무를 추론하는 기존 방법은 성능이 열악하여 새로운 접근 방식이 필요함을 시사한다.
• 제안된 클러스터링 기반 방법은 250개 이상의 유전자 트리를 사용할 경우 부모 트리 복구 오류율 약 2%를 기록하고, 50개의 유전자 트리에서는 약 10%의 오류율을 보였다.
• 시뮬레이션 결과, 모든 입력 유전자 트리를 표시하는 네트워크가 진짜 네트워크와 크게 다를 수 있음을 확인하여, 기존 접근 방식의 결함을 드러냈다.
• 부모 트리는 네트워크 추론을 위한 더 정확한 기초를 제공하며, 유전자 트리를 먼저 군집화하고 부모 트리를 추론하는 방법은 계통발생 네트워크 재구성에 있어 유망한 새로운 길을 열어준다.