[논문 리뷰] Neighbor joining with phylogenetic diversity estimates

Dan Lévy, Ruriko Yoshida외 1명|ArXiv.org|2005. 07. 30.

Genomics and Phylogenetic Studies참고 문헌 14인용 수 4

한 줄 요약

이 논문은 이가지 거리 대신 서브트리 무게(ｍ-서브트리 무게)를 통한 계통발생 다양성 추정치를 사용하는 일반화된 이웃합류 알고리즘인 MJOIN을 소개한다. 이는 다항 시간 복잡도를 유지하면서도 나무 재구성 정확도를 향상시킨다. 시뮬레이션 데이터에서 표준 이웃합류 및 기타 거리 기반 방법보다 성능이 뛰어나며, 특히 서브트리 크기 m이 2를 초월할수록 성능 향상이 두드러진다.

ABSTRACT

The Neighbor-Joining algorithm is a recursive procedure for reconstructing trees that is based on a transformation of pairwise distances between leaves. We present a generalization of the neighbor-joining transformation, which uses estimates of phylogenetic diversity rather than pairwise distances in the tree. This leads to an improved neighbor-joining algorithm whose total running time is still polynomial in the number of taxa. On simulated data, the method outperforms other distance-based methods. We have implemented neighbor-joining for subtree weights in a program called MJOIN which is freely available under the Gnu Public License at http://bio.math.berkeley.edu/mjoin/ .

연구 동기 및 목표

• 쌍별 거리 추정치가 노이즈가 많거나 정확하지 않을 때 표준 이웃합류의 불안정성을 해결하기 위해.
• 서브트리 무게를 통한 계통발생 다양성 추정치를 통합하여 거리 기반 계통발생 나무 재구성의 정확도를 향상시키기 위해.
• 기존 방법보다 정확도를 향상시키면서도 다항 시간 복잡도를 유지하는 계산 효율적인 방법을 개발하기 위해.
• Jukes-Cantor 모델 하에서 시뮬레이션 데이터를 사용해 서브트리 무게 기반 이웃합류의 성능을 평가하기 위해.
• 서브트리 무게가 계통발생 나무 재구성에서 쌍별 거리의 강력한 대안으로 사용될 잠재력을 탐색하기 위해.

제안 방법

• 이 방법은 이웃합류 알고리즘을 일반화하여 쌍별 거리 대신 m-서브트리 무게에서 유도된 계통발생 다양성 추정치를 사용한다.
• 나무 구축 과정에서 셰리(이웃하는 분지)를 식별하기 위해 서브트리 무게 차이를 기반으로 수정된 Q-기준을 사용한다.
• 재귀적 감소 단계는 m-서브트리 무게를 기반으로 조정되어 이웃합류의 전반적인 구조를 유지한다.
• 지름 길이는 원래 이웃합류의 지름 길이 공식과 유사한 서브트리 무게 합에서 유도된 공식을 사용하여 추정한다.
• 알고리즘은 서브트리 무게를 추정하기 위해 최대우도 추정을 사용하는 무료 소프트웨어 MJOIN로 구현되어 있다.
• 이 방법은 Jukes-Cantor 모델 하에서 다양한 서열 길이와 나무 구조를 가진 시뮬레이션 데이터셋을 대상으로 평가되었다.

실험 결과

연구 질문

• RQ1 m-서브트리 무게를 통한 계통발생 다양성 추정치가 이웃합류 나무 재구성의 정확도를 향상시킬 수 있는가?
• RQ2 MJOIN 알고리즘이 표준 이웃합류 및 기타 거리 기반 방법보다 성능이 뛰어나면서도 다항 시간 복잡도를 유지하는가?
• RQ3 서브트리 크기 m에 따라 MJOIN의 성능은 어떻게 변하는가? 특히 m > 2일 경우 어떻게 되는가?
• RQ4 m-서브트리 무게 추정치는 계통발생 재구성에서 노이즈가 많은 거리 추정치의 영향을 어느 정도 줄일 수 있는가?
• RQ5 네 점 조건이 만족되지 않을 경우에도 서브트리 무게를 쌍별 거리보다 이론적 또는 실증적으로 유리하게 사용할 수 있는가?

주요 결과

• MJOIN은 Jukes-Cantor 모델 하에서의 시뮬레이션 데이터에서 표준 이웃합류(NJ) 및 BioNJ, Weighbor, 큐아르트 퍼즐링과 같은 기타 거리 기반 방법보다 일관되게 뛰어난 성능을 보였다.
• 서브트리 크기 m = 4일 때, T1 나무에서 1000bp 서열로 98%의 성공률를 기록했으며, 이는 NJ(2%)와 비교해 뚜렷한 우월성을 보였다. 일부 경우에서는 fastDNAml조차도 뒤지기도 했다.
• MJOIN의 성공률는 m이 증가함에 따라 상승했으며, T1 나무에서 1000bp 서열로 m = 4일 때 98%에 도달했다. 이는 더 큰 서브트리 무게를 사용할수록 정확도가 향상됨을 시사한다.
• 시뮬레이션에서 거리 지도의 1%만이 Atteson의 l∞ 반경 조건(0.5)을 만족했으며, 이는 이웃합류의 성공이 이 기준을 초월한 다른 유리한 성질 때문임을 시사한다.
• m-무게 추정치의 표준편차는 m이 증가함에 따라 감소했으며, 이는 더 안정된 무게 추정이 가능함을 의미한다. 이는 성능 향상에 기여한다.
• 이 방법은 큰 나무(최대 50개의 분지)에 대해 실용적이며, 쉽게 병렬 처리가 가능하므로 대규모 계통발생 재구성에 적합하다.