[논문 리뷰] Resampling Residuals: Robust Estimators of Error and Fit for Evolutionary Trees and Phylogenomics

Peter J. Waddell, Ariful Azad|ArXiv.org|2009. 12. 29.

Genomics and Phylogenetic Studies참고 문헌 38인용 수 4

한 줄 요약

이 논문은 진화수 나무 복원 및 계통발생 게놈학에서 오차 추정과 나무 적합도 평가를 향상시키기 위해 재표본화 잔차 방법을 도입한다. 거리 기반 나무 적합에서 잔차를 표준화한 후 재표본화하여 복제 데이터셋을 생성함으로써, 이 방법은 확률적 오차와 체계적 오차를 견고하게 포착하며, 특히 효모의 게놈 스케일 정렬에서 전통적인 부트스트랩보다 더 신뢰할 수 있는 지지값을 제공한다.

ABSTRACT

Phylogenomics, even more so than traditional phylogenetics, needs to represent the uncertainty in evolutionary trees due to systematic error. Here we illustrate the analysis of genome-scale alignments of yeast, using robust measures of the additivity of the fit of distances to tree when using flexi Weighted Least Squares. A variety of DNA and protein distances are used. We explore the nature of the residuals, standardize them, and then create replicate data sets by resampling these residuals. Under the model, the results are shown to be very similar to the conventional sequence bootstrap. With real data they show up uncertainty in the tree that is either due to underestimating the stochastic error (hence massively overestimating the effective sequence length) and/or systematic error. The methods are extended to the very fast BME criterion with similarly promising results.

연구 동기 및 목표

• 게놈 스케일 계통발생 분석에서 체계적 오차와 확률적 오차로 인한 불확실성의 과소평가 문제를 해결하기 위해.
• 나무 구조와 분지 길이의 진정한 불확실성을 더 잘 포착하는 전통적 부트스트랩의 강건한 대안을 개발하기 위해.
• 기존 최소 제곱법에 한정되지 않고 재표본화 잔차를 빠르고 널리 사용되는 BME(균형 최소 진보) 기준으로 확장하기 위해.
• 다양한 DNA 및 단백질 거리 측정법을 사용해 실제 효모 게놈 정렬에서 이 방법의 성능을 평가하기 위해.
• 효모의 효과적 서열 길이가 과대평가될 경우 기존 부트스트랩보다 더 현실적인 지지값을 제공함을 입증하기 위해.

제안 방법

• 거리 기반 나무 적합에서 유도된 잔차를 유연한 가중 최소 제곱법(fWLS)을 사용해 표준화하여, 거리 추정치의 분산을 고려한다.
• 표준화된 잔차를 다시 샘플링하여, 적합 모델 하에 새로운 복제 데이터셋을 생성한다.
• 재표본화된 잔차를 사용해 나무 구조와 분지 길이 재추정을 수행함으로써, 원래 데이터 구조를 유지하면서도 잔차 변동에 기반한 변형을 도입한다.
• 재표본화 절차를 계산적으로 효율적이고 계통발생 게놈학에서 널리 사용되는 BME(균형 최소 진보) 기준에 적용한다.
• 복제 간 결과로 도출된 나무들의 분포를 이용해 내부 분지의 지지를 추정하고 전체 나무 적합도를 평가한다.
• 실제 효모 게놈 정렬에서 재표본화 잔차 방법과 전통적 서열 부트스트랩 간 성능을 비교한다.

실험 결과

연구 질문

• RQ1 재표본화 잔차 방법은 전통적 부트스트랩에 비해 진화수 나무의 불확실성 추정에 어떻게 향상되는가?
• RQ2 이 방법은 전통적 방법이 간과할 수 있는 게놈 스케일 정렬에서의 체계적 오차를 어느 정도 탐지할 수 있는가?
• RQ3 재표본화 잔차 접근법은 계산적으로 빠르고 계통발생 게놈학에서 널리 사용되는 BME 기준으로 효과적으로 확장될 수 있는가?
• RQ4 다양한 DNA 및 단백질 거리 측정법이 잔차 구조와 이후 재표본화 결과에 어떻게 영향을 미치는가?
• RQ5 이 방법은 확률적 오차 과대평가를 교정함으로써 진정한 효과적 서열 길이를 더 잘 반영하는가?

주요 결과

• 효모 계통발생수에서 효과적 서열 길이가 과대평가될 경우, 재표본화 잔차 방법은 전통적 부트스트랩보다 더 현실적인 지지값을 생성한다.
• 이 방법은 표준 부트스트랩 방법이 충분히 포착하지 못하는 체계적 오차로 인한 효모 계통발생수의 불확실성을 드러낸다.
• 거리 기반 적합에서 유도된 잔차는 비균일한 분산을 보이며, 이는 표준 오차가 동분산이 아님을 시사하여, 재표본화 이전에 표준화가 필요함을 정당화한다.
• 모델 가정이 성립할 경우, 이 방법은 전통적 서열 부트스트랩과 매우 유사한 결과를 도출하여, 가정이 성립할 때의 일관성을 검증한다.
• 실제 데이터에 적용했을 때, 이 방법은 확률적 오차와 체계적 오차 모두에서 발생하는 불확실성을 탐지하여 나무 신뢰도에 대한 보다 종합적인 평가를 제공한다.
• BME 기준으로의 확장 결과도 유사하게 유망하여, 계통발생 게놈학에서 다양한 나무 추정 방법에 광범위하게 적용 가능함을 시사한다.