[논문 리뷰] Phylogenetic tree constructing algorithms fit for grid computing with SVD

Young Rock Kim, Oh In Kwon외 2명|ArXiv.org|2006. 11. 04.

Genomics and Phylogenetic Studies참고 문헌 12인용 수 3

한 줄 요약

이 논문은 격자 계산 환경을 위한 두 가지 SVD 기반 계통수 재구성 알고리즘을 제안하며, 수치적 안정성과 확장성을 보장하기 위해 고정된 16행의 평탄화(flatenings)를 사용한다. SVD를 통한 평탄화의 질서 조건을 활용함으로써, 최대 32개 종에 대해 통계적으로 일致하는 계통수 재구성 성능을 달성한다. 실제 ENCODE 데이터에서 이웃 조합(neighbor joining)보다 낮은 대칭 거리와 높은 재구성 정확도를 보이며, 특히 빠르게 진화하는 분류군인 쥐류를 다룰 때 유의미한 성능 향상을 보였다.

ABSTRACT

Erikkson showed that singular value decomposition(SVD) of flattenings determined a partition of a phylogenetic tree to be a split. In this paper, based on his work, we develop new statistically consistent algorithms fit for grid computing to construct a phylogenetic tree by computing SVD of flattenings with the small fixed number of rows.

연구 동기 및 목표

• 격자 계산 아키텍처에 적합한 통계적으로 일치하는 계통수 재구성 알고리즘을 개발하는 것.
• 많은 잎을 가진 큰 계통수에 적용할 때 기존 SVD 기반 수단에서 발생하는 수치적 불안정성과 계산 병목 현상을 해결하는 것.
• 고정된 소수의 행 수(16행)를 가진 평탄화의 SVD를 사용하여 일반 마르코프 모델을 위한 효율적인 계통수 재구성 가능하게 하는 것.
• 모의 및 실제 게놈 데이터에서의 성능 평가를 통해, 특히 빠르게 진화하는 종이 포함된 도전적인 데이터셋인 ENCODE 영역에서의 성능을 평가하는 것.
• 특히 표준 방법에서 잘못된 위치에 놓이는 쥐류와 같은 종에 대해 이웃 조합보다 뛰어난 성능을 보여주는 생물학적으로 올바른 계통수 재구성을 입증하는 것.

제안 방법

• 계통수 이.Invariant로 사용되는 질서 조건을 활용하기 위해, 연합 확률 분포의 평탄화에 대해 특이값 분해(SVD)를 수행하여 행렬이 주어진 질서에 얼마나 가까운지 평가하는 방법.
• 잎 집합을 두 개의 부분집합으로 나누어, 크기가 16 × m^{|B|}인 행렬을 구성한다. 여기서 m은 뉴클레오티드 상태 수이며, DNA의 경우 m=4이다.
• 이 알고리즘들은 고정된 크기(16행)의 평탄화에 대해 SVD를 계산하여 질서 부족 여부를 테스트함으로써 계통수의 유효한 분할 여부를 판단한다.
• 알고리즘 1은 재귀적 분할을 통해 모든 가능한 분할을 체계적으로 평가하는 반면, 알고리즘 2는 계산 부담을 줄이기 위해 더 최적화된 검색 전략을 사용한다.
• 거리 기반 가정을 피하고 전역 속도 행렬이 필요 없기 때문에, 종 간 속도 이질성에 대해 강건한 성능을 발휘한다.
• 개별 평탄화에 대한 SVD 계산의 모듈성과 독립성 덕분에 격자 계산 환경에서의 병렬 처리가 가능하다.

실험 결과

연구 질문

• RQ1 고정 크기의 평탄화를 사용할 때, SVD 기반 계통수 재구성 방법이 n ≥ 15 종을 가진 큰 계통수에 대해 확장성과 수치적 안정성을 확보할 수 있는가?
• RQ2 실제 게놈 데이터에서, 특히 쥐와 쥐류와 같은 빠르게 진화하는 종에 대해 SVD 기반 알고리즘의 성능이 이웃 조합보다 어떻게 다를까?
• RQ3 소수의 행 수를 가진 평탄화(SVD, 16행)가, 표준 방법이 속도 이질성으로 인해 실패할 수 있는 상황에서도 정확한 계통수 분할을 감지할 수 있는가?
• RQ4 SVD 기반 계통수 재구성의 계산 복잡도를 격자 계산 환경에서 얼마나 줄이고 분산 처리할 수 있는가?
• RQ5 전역 속도 행렬을 가정하지 않는 것이 속도 이질성이 높은 데이터셋에서 계통수 재구성 정확도를 향상시키는가?

주요 결과

• 알고리즘 2는 32종의 DNA 모의 데이터 100개 세트(균일한 분지 길이 0.1)에서 94%의 재구성률을 기록하였으며, 이는 이웃 조합(NJ)의 99% 재구성률에도 불구하고 대칭 거리 측면에서 더 우수한 성능을 보였다.
• 실제 ENCODE 데이터에서, 알고리즘 1은 모든 301개 세트에서 대칭 거리(ds) 2.57을 기록했고, 이는 이웃 조합의 2.77보다 우수한 위상 정확도를 의미한다.
• 수동으로 선택한 ENCODE 영역에 대해, 알고리즘 1과 2는 모두 75개 세트에서 100% 재구성 정확도(Pc = 12.0)를 달성했으며, 이는 NJ의 Pc = 14.6보다 뛰어난 성능을 보였다.
• 알고리즘은 생물학적으로 올바른 계통수를 성공적으로 재구성하여, 쥐와 쥐류를 영장류와 함께 일치하는 클래드로 올바르게 배치하였고, 표준 방법이 자주 잘못된 외계군으로 위치시키는 문제를 해결했다.
• 알고리즘 1의 계산 병목 현상은 19번째 루프에서 발생하였으며, 이는 2^16 × C(14,2) = 1,048,576 × 91 ≈ 9500만 번의 SVD 계산을 요구했지만, 10개의 CPU로 구성된 클러스터에서 병렬 처리를 통해 처리 가능했다.
• 이 방법의 속도 이질성에 대한 강건성은 전역 속도 행렬을 가정하지 않아도 올바른 분할을 정확하게 추론할 수 있다는 점에서 입증되었으며, 표준 거리 기반 방법과는 대비된다.