[논문 리뷰] Reciprocal best hits are not a logically sufficient condition for orthology

Toby Johnson|ArXiv.org|2007. 06. 01.

Algorithms and Data Compression참고 문헌 3인용 수 5

한 줄 요약

이 논문은 상호 최적 대응(Reciprocal Best Hits)이 일반적으로 영역을 추론하는 데 사용되지만, 영역 관계의 전이성과 배타성과의 내재적 모순으로 인해 논리적으로 영역을 위한 충분조건가 될 수 없다는 것을 입증한다. 그래프 이론과 *Staphylococcus aureus* 균주에 대한 실증 분석을 통해, 상호 최적 대응은 겹치는 클리크를 형성할 수 있으며, 이는 모호한 영역 추론을 초래한다. 전체 시퀀스의 5.9%와 클리크의 13.7%가 최대 연결 부분그래프 외부에 위치해 있어, 이 방법의 영역 탐지 신뢰도가 떨어진다.

ABSTRACT

It is common to use reciprocal best hits, also known as a boomerang criterion, for determining orthology between sequences. The best hits may be found by blast, or by other more recently developed algorithms. Previous work seems to have assumed that reciprocal best hits is a sufficient but not necessary condition for orthology. In this article, I explain why reciprocal best hits cannot logically be a sufficient condition for orthology. If reciprocal best hits is neither sufficient nor necessary for orthology, it would seem worthwhile to examine further the logical foundations of some unsupervised algorithms that are used to identify orthologs.

연구 동기 및 목표

• 상호 최적 대응가 영역을 식별하는 데 충분한 조건이라는 광범위한 가정을 도전하기 위해.
• 영역의 기본 성질인 전이성과 배타성과 상호 최적 대응 기준 간의 논리적 모순을 폭 드러내기 위해.
• 실제 생물학적 데이터셋에서 상호 최적 대응가 신뢰성 있게 영역 시퀀스를 식별할 수 있는지 조사하기 위해.
• 상호 최적 대응 그래프에서 클리크가 아닌 최대 연결 부분그래프의 빈도를 정량화하여, 영역 추론 오류의 잠재적 범위를 측정하기 위해.

제안 방법

• 정점이 시퀀스를 나타내고, 간선이 상호 최적 대응 관계를 나타내는 그래프에서 상호 최적 대응를 클리크로 모델링하기 위해 그래프 이론을 사용한 이론적 분석.
• 상호 최적 대응 조건이 영역의 전이성과 배타성과 모순되어 논리적으로 부족하다는 공식적 증명.
• BLASTP를 사용해 9개의 *Staphylococcus aureus* 균주를 분석하고 상호 최적 대응를 식별하며 상호 최적 대응 그래프를 구축.
• 최대 연결 부분그래프와 클리크를 식별하여 상호 최적 대응가 완전하고 상호 배타적인 집합을 형성하는지 평가.
• 클리크가 아닌 최대 부분그래프와 완전하지 않은 클리크를 정량화하여 영역 추론의 논리적 불일치 정도를 측정.
• 클리크와 부분그래프의 크기 분포 분석을 통해 모호한 영역 할당의 빈도와 영향을 평가.

실험 결과

연구 질문

• RQ1 영역 관계의 전이성과 배타성과 같은 성질을 고려할 때, 상호 최적 대응가 논리적으로 영역을 위한 충분조건가 될 수 있는가?
• RQ2 상호 최적 대응 그래프에 영역 추론의 논리적 기초를 위반하는 구조적 구성이 존재하는가?
• RQ3 상호 최적 대응 네트워크에서 클리크가 아닌 최대 연결 부분그래프가 얼마나 자주 나타나며, 이는 잠재적 영역 추론 오류를 시사하는가?
• RQ4 실제 생물학적 데이터셋에서 시퀀스와 클리크의 어느 정도가 최대 연결 부분그래프 외부에 위치해 있으며, 이는 상호 최적 대응의 신뢰도를 떨어뜨리는가?
• RQ5 상호 최적 대응를 통한 모호한 영역 추론 문제는 계통적 거리가 증가하거나 진핵생물의 비코딩 서열을 분석할 경우 더 심화되는가?

주요 결과

• 상호 최적 대응가 영역을 위한 논리적 충분조건가 될 수 없다. 왜냐하면 영역 관계의 전이성 성질을 위반하기 때문이다.
• 한 시퀀스가 상호 최적 대응 그래프에서 여러 개의 겹치는 최대 클리크에 동시에 속할 수 있으며, 이는 영역 집합의 배타성과 모순된다.
• *S. aureus* 데이터셋에서 최대 연결 부분그래프가 클리크가 아닌 시퀀스가 전체의 5.9%에 달하며, 이는 상호 최적 대응가 이 경우에 영역을 식별하지 못한다는 것을 시사한다.
• 크기가 3 이상인 클리크 중 13.7%는 최대 연결 부분그래프가 아니며, 이는 일부 상호 최적 대응 집합이 불완전하고 잘못된 영역 추론을 초래할 수 있음을 의미한다.
• 두 개의 가장 큰 최대 연결 부분그래프(각각 크기 22)는 다수의 겹치는 클리크를 포함하고 있어, 조밀한 계통적 균주에서도 영역 할당의 구조적 모호성이 존재함을 보여준다.
• 문제가 되는 사례의 비율은 계통적 거리가 증가하거나 진핵생물의 비코딩 서열을 분석할 경우 더 증가할 가능성이 있으며, 이는 영역 탐지 방법에 광범위한 영향을 미칠 수 있음을 시사한다.