[논문 리뷰] Supertree Construction: Opportunities and Challenges

Tandy Warnow|arXiv (Cornell University)|2018. 05. 09.

Genomics and Phylogenetic Studies참고 문헌 99인용 수 15

한 줄 요약

이 논문은 대규모 계통수 추정, 특히 분할정복 프레임워크에서의 확장 가능한 솔루션으로서 슈퍼트리 구축을 검토한다. MRP 및 최신 접근법을 포함한 현재의 슈퍼트리 방법을 평가하며, 알고리즘적 과제, 확장성 한계, 그리고 수천 종의 데이터셋에서 계산 효율성과 정확도 향상의 필요성을 강조한다.

ABSTRACT

Supertree construction is the process by which a set of phylogenetic trees, each on a subset of the overall set X of species, is combined into a tree on the full set S. The traditional use of supertree methods is the assembly of a large species tree from previously computed smaller species trees; however, supertree methods are also used to address large-scale tree estimation using divide-and-conquer (i.e., a dataset is divided into overlapping subsets, trees are constructed on the subsets, and then combined using the supertree method). Because most supertree methods are heuristics for NP-hard optimization problems, the use of supertree estimation on large datasets is challenging, both in terms of scalability and accuracy. In this paper, we describe the current state of the art in supertree construction and the use of supertree methods in divide-and-conquer strategies. Finally, we identify directions where future research could lead to improved supertree methods.

연구 동기 및 목표

• 대규모 계통수 추정을 위한 슈퍼트리 구축 방법의 현재 상태를 평가하기 위해.
• 수천 종의 데이터셋에 대해 슈퍼트리 방법을 확장할 때 발생하는 핵심 알고리즘적 및 계산 과제를 특정하기 위해.
• 분할정복 전략에서 종 계통수 추정을 위한 슈퍼트리 방법의 역할을 평가하기 위해.
• 대규모이고 생물학적으로 복잡한 데이터셋에서 기존 슈퍼트리 방법의 정확도 및 성능 격차를 부각하기 위해.
• 컴퓨터 과학 및 이산 최적화 분야의 발전을 통해 슈퍼트리 방법을 향상시키기 위한 향후 연구 방향을 제시하기 위해.

제안 방법

• 기본적인 슈퍼트리 방법으로 매트릭스 표현과 최소비용 원칙(MRP)을 사용하여 소스 트리를 매트릭스로 표현하고 최소비용 슈퍼트리를 해결한다.
• MinCut 슈퍼트리, MinFlip 슈퍼트리, PhySIC 등의 대안적 슈퍼트리 방법을 검토하며, 다양한 제약 조건 하에서 트리의 호환성을 최적화한다.
• 데이터셋을 분할하고 하위 집합에서 트리를 추정한 후 슈퍼트리 방법으로 통합하는 분할정복 계통학적 접근에서 슈퍼트리 구축을 분석한다.
• guenomu와 같은 최신 방법을 평가하며, 각 종에 다수의 복제본이 포함된 유전자 가족 트리를 처리할 수 있는 베이지안 슈퍼트리 방법임을 확인한다.
• 이론적 기초를 검토하며, 소스 트리 프로파일의 결정성과 누락 데이터가 슈퍼트리 유일성에 미치는 영향을 분석한다.
• 동일한 최적성 점수를 가진 트리 집합인 계통학적 고원(phylogenetic terraces)이 슈퍼트리 해결 및 정확도에 미치는 영향을 고려한다.

실험 결과

연구 질문

• RQ1 수천 종의 종을 포함한 대규모 데이터셋에 적용했을 때 기존 슈퍼트리 방법의 주요 확장성 한계는 무엇인가?
• RQ2 분할정복 계통학적 추론 파이프라인 내에서 실질적으로 슈퍼트리 방법이 어떻게 작동하는가?
• RQ3 모델 잘못 설정과 불완전한 선형 분할 또는 유전자 중복과 같은 생물학적 과정이 슈퍼트리 정확도에 어떤 영향을 미치는가?
• RQ4 대규모이고 복잡한 데이터셋에서 확장성과 정확도를 동시에 확보하기 위해 필요한 이론적 및 알고리즘적 개선은 무엇인가?
• RQ5 유전자 트리 간 충돌과 다중 복제 유전자 가족을 다룰 때 슈퍼트리 방법과 요약 방법 간의 비교는 어떻게 이루어지는가?

주요 결과

• 대부분의 슈퍼트리 방법은 NP-난이도 최적화 문제에 대한 휴리스틱 접근법이므로 계산적으로 집약적이며 대규모 데이터셋에 대한 확장이 어렵다.
• MRP 및 guenomu와 같은 최신 접근법을 포함한 최고의 슈퍼트리 방법들이라도 수만 종의 데이터셋에서는 높은 정확도를 달성하지 못한다.
• MRP와 같은 슈퍼트리 방법은 널리 사용되지만, 소스 트리 간 충돌이나 오류가 있을 경우 확장성에 큰 제약을 받는다.
• guenomu는 중간 크기의 데이터셋(수백 종)에서는 높은 정확도를 보이며, 각 종에 다수의 복제본이 포함된 유전자 가족 트리도 처리할 수 있지만, 추정된 종 계통수를 입력으로 사용했을 때의 성능은 아직 검증되지 않았다.
• 소스 트리 집합이 결정적인지 여부를 판단하는 이론적 과제는 NP-난이도이며, 누락 데이터가 많을수록 결정성 확률은 감소한다.
• 동일한 최적성 점수를 가진 트리 집합인 계통학적 고원(phylogenetic terraces)은 슈퍼트리 해결 과정을 복잡하게 만들고 결과 트리의 유일성에 영향을 줄 수 있다.