[논문 리뷰] Phylogenetic automata, pruning, and multiple alignment

Oscar Westesson, Gerton Lunter외 2명|arXiv (Cornell University)|2011. 03. 22.

Genomics and Phylogenetic Studies참고 문헌 33인용 수 9

한 줄 요약

이 논문은 Felsenstein의 자르기 알고리즘을 확장하여 삽입-삭제 모델을 직접적으로 계통수 추론에 통합하는 새로운 방법을 제안한다. 이 방법은 가중치가 부여된 유한상태 변환기(Weighted finite-state transducers)를 사용하여 고정된 정렬에 의존하지 않는 확률적 다중서열 정렬을 가능하게 한다. 이 방법은 계층적 확률적 근사와 변환기 조합을 통해 가능성이 높은 서열과 조상 서열을 효율적으로 계산하며, 정렬 및 조상 서열 복원 작업에서 확장성과 정확도를 크게 향상시킨다.

ABSTRACT

We present an extension of Felsenstein's algorithm to indel models defined on entire sequences, without the need to condition on one multiple alignment. The algorithm makes use of a generalization from probabilistic substitution matrices to weighted finite-state transducers. Our approach may equivalently be viewed as a probabilistic formulation of progressive multiple sequence alignment, using partial-order graphs to represent ensemble profiles of ancestral sequences. We present a hierarchical stochastic approximation technique which makes this algorithm tractable for alignment analyses of reasonable size.

연구 동기 및 목표

• 고정된 다중 정렬이 필요 없이 서열 진화와 삽입-삭제 과정을 통합하는 통합된 계통수 추론 프레임워크를 개발하는 것.
• 가중치가 부여된 유한상태 변환기를 사용하여 삽입-삭제 모델 하에서 전체 서열을 다룰 수 있도록 Felsenstein의 자르기 알고리즘을 확장하는 것.
• 계층적 확률적 근사와 변환기 조합을 통해 가능성이 높은 서열과 조상 서열 복원을 효율적으로 계산하는 것.
• 부분순서 그래프를 사용하여 앙상블 조상 프로파일을 표현하는 확률적 점진적 다중서열 정렬 방법을 제공하는 것.
• 확률적 샘플링을 통해 고려 대상 경로 수를 제한하여 대규모 정렬 및 조상 추론의 계산 복잡도를 줄이는 것.

제안 방법

• 가중치가 부여된 유한상태 변환기를 사용하여 치환 행렬을 일반화하고 전체 서열에 걸쳐 삽입-삭제 과정을 모델링하는 데 사용한다.
• 입력/출력 제약 조건을 진화 모델과 관측 데이터 간에 통합하기 위해 변환기 조합과 교차를 적용한다.
• Moore 기계 체계를 사용하여 진화 과정, 특히 TKF91 삽입-삭제 모델을 확률적 변환기로 표현한다.
• 구성 요소 변환기를 계층적으로 조합하여 관측된 서열과 조상 상태의 동시 가능성을 인코딩하는 복합 변환기 $M_n$을 구축한다.
• 동적 프ogram밍 동안 고려 대상 경로 수를 줄이기 위해 계층적 확률적 근사 기법을 구현한다.
• 확률적 추적(Algorithm 4)을 사용하여 가능성이 높은 경로에 비례하는 조상 서열 경로를 샘플링함으로써 경로 공간의 효율적 탐색을 가능하게 한다.

실험 결과

연구 질문

• RQ1 고정된 다중 정렬에 의존하지 않고 삽입-삭제 과정을 고려하여 Felsenstein의 자르기 알고리즘을 전체 서열에 적용할 수 있는가?
• RQ2 가중치가 부여된 유한상태 변환기를 사용하여 진화 모델 하에서 관측된 서열과 조상 서열의 동시 가능성을 어떻게 모델링할 수 있는가?
• RQ3 삽입-삭제 모델을 계통수 가능도 계산에 통합할 경우 계산 복잡도는 어떻게 되며, 생물학적으로 의미 있는 데이터셋에 대해 어떻게 처리 가능하게 할 수 있는가?
• RQ4 변환기 경로를 대상으로 한 확률적 샘플링이 조상 서열 복원 및 다중정렬에서 전체 경로 공간을 효과적으로 근사할 수 있는가?
• RQ5 부분순서 그래프와 변환기 조합을 사용할 경우 점진적 다중서열 정렬의 정확도와 효율성이 어떻게 향상되는가?

주요 결과

• 제안된 방법은 고정된 다중 정렬을 사전에 지정하지 않아도 삽입-삭제 모델 하에서 가능도 계산이 가능하여 기존 Felsenstein 자르기 알고리즘의 핵심적 한계를 극복한다.
• 변환기 조합을 통해 알고리즘이 계층적이고 모듈적인 확률 모델 구축 방식을 통해 관측된 서열과 조상 서열의 동시 가능도를 계산할 수 있다.
• 확률적 추적 샘플링을 통해 조상 서열 복원 과정에서 탐색하는 경로 수를 줄여 메모리 및 시간 복잡도를 크게 감소시킨다.
• 계층적 확률적 근사를 동적 프로그래밍 재귀에 적용함으로써 생물학적으로 의미 있는 데이터셋에 대해 처리 가능한 계산이 가능해진다.
• 실험 결과는 전체 동적 프로그래밍에 비해 경로 샘플링이 매우 빠르며, 조상 서열 복원 및 정렬 작업에서 높은 정확도를 유지함을 보여준다.
• 이 프레임워크는 부분순서 그래프로 표현된 앙상블 조상 프로파일을 사용하여 점진적 다중서열 정렬의 원리적인 확률적 수식을 제공한다.