[논문 리뷰] RNA structure characterization from chemical mapping experiments

Sharon Aviran, Julius B. Lucks외 1명|arXiv (Cornell University)|2011. 06. 24.

RNA and protein synthesis mechanisms참고 문헌 18인용 수 4

한 줄 요약

이 논문은 캡일러리 전기영동(SHAPE-CE) 또는 고속 시퀀싱(SHAPE-Seq)을 사용한 화학적 맵핑 실험에서 RNA 반응성 추론을 위한 통합 최대우도 모델을 제안한다. 이 모델은 시퀀싱 기반 방법에서 전장 전사체 정보를 활용함으로써 정확도를 향상시키는 폐쇄형 해를 제공한다. 이를 통해 SHAPE-Seq는 5′ 영역에서 신호 복구가 더 우수하므로 SHAPE-CE보다 더 신뢰할 수 있는 반응성 추정치를 제공함을 입증한다.

ABSTRACT

Despite great interest in solving RNA secondary structures due to their impact on function, it remains an open problem to determine structure from sequence. Among experimental approaches, a promising candidate is the "chemical modification strategy", which involves application of chemicals to RNA that are sensitive to structure and that result in modifications that can be assayed via sequencing technologies. One approach that can reveal paired nucleotides via chemical modification followed by sequencing is SHAPE, and it has been used in conjunction with capillary electrophoresis (SHAPE-CE) and high-throughput sequencing (SHAPE-Seq). The solution of mathematical inverse problems is needed to relate the sequence data to the modified sites, and a number of approaches have been previously suggested for SHAPE-CE, and separately for SHAPE-Seq analysis. Here we introduce a new model for inference of chemical modification experiments, whose formulation results in closed-form maximum likelihood estimates that can be easily applied to data. The model can be specialized to both SHAPE-CE and SHAPE-Seq, and therefore allows for a direct comparison of the two technologies. We then show that the extra information obtained with SHAPE-Seq but not with SHAPE-CE is valuable with respect to ML estimation.

연구 동기 및 목표

• SHAPE-CE와 SHAPE-Seq 모두에 적용 가능한 화학적 맵핑 데이터로부터 RNA 반응성을 추론하기 위한 일반적인 통계 프레임워크를 개발하는 것.
• SHAPE-CE에서 전사체의 첫 번째 수정만 감지되므로 신호 복구가 불완전해지는 한계를 해결하는 것.
• 공통된 우도 기반 추정 모델을 사용하여 SHAPE-CE와 SHAPE-Seq의 정보량과 추정 정확도를 비교하는 것.
• SHAPE-Seq에서 제공하는 추가적인 전장 전사체 데이터가 최대우도 반응성 추정, 특히 RNA 분자의 5′ 영역에서 향상됨을 보여주는 것.
• 반응성 및 역전사효소 도약 정지 확률에 대한 최대우도 추정의 폐쇄형 해를 제공함으로써 빠르고 강인한 분석을 가능하게 하는 것.

제안 방법

• 각 뉴클레오티드 위치 k에서 화학적 수정 반응성(βk)과 역전사효소 도약 정지(γk)에 대한 공동 우도 모델을 수립한다.
• 제약 조건 0 ≤ βk ≤ 1 및 0 ≤ γk ≤ 1 하에 로그우도 함수를 최적화하여 βk 및 γk에 대한 폐쇄형 최대우도 추정치를 유도한다.
• cDNA 합성 및 역전사 과정에서 관측된 조각 수를 모델링하여 SHAPE-CE 및 SHAPE-Seq 데이터 모두에 모델을 적용한다.
• 가능한 매개변수 공간 내에서 추정치가 유지되도록 제약 조건을 적용한 최적화 방법을 사용하며, 컴act 집합과 정적점 분석을 통해 이론적 근거를 제공한다.
• 데이터 표현 및 신호 탐지 방식의 차이를 고려하여 일반 모델을 SHAPE-CE 및 SHAPE-Seq에 각각 특화시킨다.
• 실제 생물학적 RNA, 예를 들어 pT181 및 RNase P에서 CE 및 NGS 데이터의 최대우도 추정치를 비교하여 모델을 검증한다.

실험 결과

연구 질문

• RQ1 SHAPE-Seq에서 전장 전사체 정보를 포함시킴으로써 SHAPE-CE에 비해 반응성 추정의 정확도가 향상되는가?
• RQ2 SHAPE-CE와 SHAPE-Seq 모두에 적용 가능한 통합 통계 모델을 폐쇄형 최대우도 추정치를 도출할 수 있도록 수립할 수 있는가?
• RQ3 CE 기반 방법에서 전장 신호가 누락됨으로써 반응성 추정의 신뢰성이 떨어지는 정도, 특히 RNA 분자의 5′ 영역에서 어떻게 영향을 미치는가?
• RQ4 SHAPE-Seq에서 제공하는 추가 정보가 CE 기반 방법에 비해 반응성 추정의 정밀도를 얼마나 향상시키는가?
• RQ5 우도 기반 추정 프레임워크는 이전 연구에서 사용된 시각적 보정 방법보다 더 정확한가, 그리고 그 한계는 무엇인가?

주요 결과

• 제안된 모델은 반응성(βk) 및 역전사효소 도약 정지(γk)에 대한 폐쇄형 최대우도 추정치를 제공하여 반복 최적화 없이도 빠르고 강인한 추론이 가능하다.
• SHAPE-Seq는 전장 전사체 신호를 캡처하므로 SHAPE-CE보다 더 정확한 반응성 추정치를 제공한다.
• RNA 분자의 5′ 영역에서는 SHAPE-CE가 완전한 신호 복구가 이루어지지 않아 반응성을 과도하게 추정하는 반면, SHAPE-Seq 추정치는 더 정확하다.
• Staphylococcus aureus의 pT181 RNA에서 수정된 분자의 비율은 CE로 추정한 결과 0.9, 시퀀싱으로는 0.86로 약간의 차이를 보였다.
• Bacillus subtilis의 RNase P RNA에서는 차이가 더 두드러졌으며, CE로 추정한 결과는 0.62, 시퀀싱으로는 0.52로 나타났다.
• 우도 기반 프레임워크는 재현성 면에서 시각적 보정 방법을 능가하지만, 전장 신호가 누락된 CE 데이터에서 체계적인 편향이 드러나며, 이는 모델이 NGS 기반 추정에서 명시적으로 고려하고 있다.