[논문 리뷰] The Mystery of Two Straight Lines in Bacterial Genome Statistics

Alexander N. Gorban, Andreï Zinovyev|arXiv (Cornell University)|2004. 12. 09.

Genomics and Phylogenetic Studies인용 수 1

한 줄 요약

이 논문은 박테리아 및 고세균 게놈이 9차원의 코돈 위치별 뉴클레오타이드 빈도 공간에서 두 개의 별개의 직선을 나타내며, 유세균과 고세균이 각각 별개의 직선을 형성한다는 것을 밝혀냈다. 주성분 분석과 평균장 근사 모델을 사용하여, 게놈의 G+C 함량과 최적 성장 온도가 첫 번째 및 두 번째 주성분을 설명하며, 평균장 근사의 곡률이 세 번째 성분의 변동성을 설명함을 보여주었으며, 코돈 사용 패턴의 총 변동성의 71.6%가 첫 번째 세 개의 성분에 의해 설명된다.

ABSTRACT

In special coordinates (codon position-specific nucleotide frequencies), bacterial genomes form two straight lines in 9-dimensional space: one line for eubacterial genomes, another for archaeal genomes. All the 348 distinct bacterial genomes available in Genbank in April 2007, belong to these lines with high accuracy. The main challenge now is to explain the observed high accuracy. The new phenomenon of complementary symmetry for codon position-specific nucleotide frequencies is observed. The results of analysis of several codon usage models are presented. We demonstrate that the mean-field approximation, which is also known as context-free, or complete independence model, or Segre variety, can serve as a reasonable approximation to the real codon usage. The first two principal components of codon usage correlate strongly with genomic G+C content and the optimal growth temperature, respectively. The variation of codon usage along the third component is related to the curvature of the mean-field approximation. First three eigenvalues in codon usage PCA explain 59.1%, 7.8 % and 4.7 % of variation. The eubacterial and archaeal genomes codon usage is clearly distributed along two third order curves with genomic G+C content as a parameter.

연구 동기 및 목표

• 코돈 위치별 뉴클레오타이드 빈도를 사용하여 박테리아 및 고세균 게놈의 코돈 사용 패턴에 숨겨진 구조를 조사하기 위해.
• GenBank(2007년 4월)에 포함된 348개의 박테리아 게놈이 9차원 공간에서 두 개의 별개의 직선에 높은 정확도로 정렬되는 이유를 설명하기 위해.
• 의미 없는 모델(컨텍스트 프리 모델)인 평균장 근사가 실제 코돈 사용 패턴을 합리적으로 표현할 수 있는지 평가하기 위해.
• 코돈 사용 패턴의 주요 변동성을 이끄는 생물학적 요인—특히 G+C 함량과 최적 성장 온도—를 규명하기 위해.

제안 방법

• GenBank(2007년 4월)의 모든 348개의 박테리아 게놈을 코돈 위치별 뉴클레오타이드 빈도를 사용하여 9차원 공간에 매핑하기 위해.
• 코돈 사용 패턴의 주요 변동 축을 식별하기 위해 주성분 분석(PCA)을 적용하기 위해.
• 독립된 코돈 위치 빈도가 관측된 패턴을 얼마나 잘 예측하는지 평가하기 위해 평균장 근사(세그레 다양체 모델)를 사용하기 위해.
• 세 번째 주성분의 변동성을 설명하기 위해 평균장 근사의 곡률을 분석하기 위해.
• 첫 번째 및 두 번째 주성분을 게놈의 G+C 함량과 최적 성장 온도와 관련지어 분석하기 위해.
• 유세균과 고세균 게놈이 G+C 함량에 따라 매개변수화된 두 개의 별개의 삼차 곡선을 따르는가의 가설을 검증하기 위해.

실험 결과

연구 질문

• RQ1 왜 유세균과 고세균 게놈이 9차원의 코돈 위치별 뉴클레오타이드 빈도 공간에서 높은 정확도로 두 개의 별개의 직선을 형성하는가?
• RQ2 의미 없는 모델 근사가 박테리아 게놈의 실제 코돈 사용 패턴을 어느 정도 잘 설명할 수 있는가?
• RQ3 G+C 함량과 최적 성장 온도와 같은 생물학적 요인이 코돈 사용 패턴의 첫 번째 및 두 번째 주성분의 변동성에 주로 기여하는가?
• RQ4 세 번째 주성분의 변동성은 의미 없는 모델 근사의 곡률과 어떻게 관련되어 있는가?
• RQ5 유세균과 고세균의 코돈 사용 패턴은 게놈의 G+C 함량에 따라 매개변수화된 두 개의 별개의 삼차 곡선으로 가장 잘 기술되는가?

주요 결과

• GenBank(2007년 4월)에 포함된 348개의 박테리아 게놈이 9차원의 코돈 위치별 뉴클레오타이드 빈도 공간에서 높은 정확도로 두 개의 별개의 직선에 정렬되어 있으며, 하나는 유세균에 해당하고 다른 하나는 고세균에 해당한다.
• 코돈 사용의 첫 번째 주성분이 총 변동성의 59.1%를 설명하고, 두 번째 주성분이 7.8%를 설명하며, 이들 성분은 게놈의 G+C 함량과 최적 성장 온도와 강하게 상관된다.
• 세 번째 주성분은 변동성의 4.7%를 설명하며, 의미 없는 모델 근사의 곡률과 관련이 있다.
• 의미 없는 모델(컨텍스트 프리 모델)은 실제 코돈 사용 패턴을 합리적인 정도로 잘 근사하며, 코돈 위치의 독립성이 게놈 조직의 핵심 특징을 반영하고 있음을 시사한다.
• 유세균과 고세균의 코돈 사용 패턴은 게놈의 G+C 함량을 매개변수로 삼는 두 개의 별개의 삼차 곡선을 따라 분포되어 있다.
• 첫 번째 세 개의 주성분가 총 변동성의 71.6%를 설명한다.