[論文レビュー] Parametric inference of recombination in HIV genomes

Niko Beerenwinkel, Colin N. Dewey+1 more|ArXiv.org|Dec 8, 2005

Genomics and Phylogenetic Studies参考文献 37被引用数 3

ひとこと要約

本稿では、全長配列アラインメントを用いて再組換えHIV-1ゲノムを検出・アノテーションするためのパラメトリックな隠れマルコフモデル（HMM）を提示する。すべてのパラメータ値に対してパラメトリック推論を実施することで、最適な両親サブタイプの割り当てを特定し、さまざまなパラメータ範囲で一貫性があり頑健なアノテーションを明らかにし、固定パラメータ手法に比べて検出精度を顕著に向上させる。

ABSTRACT

Recombination is an important event in the evolution of HIV. It affects the global spread of the pandemic as well as evolutionary escape from host immune response and from drug therapy within single patients. Comprehensive computational methods are needed for detecting recombinant sequences in large databases, and for inferring the parental sequences. We present a hidden Markov model to annotate a query sequence as a recombinant of a given set of aligned sequences. Parametric inference is used to determine all optimal annotations for all parameters of the model. We show that the inferred annotations recover most features of established hand-curated annotations. Thus, parametric analysis of the hidden Markov model is feasible for HIV full-length genomes, and it improves the detection and annotation of recombinant forms. All computational results, reference alignments, and C++ source code are available at http://bio.math.berkeley.edu/recombination/.

研究の動機と目的

• 確率的モデリングを用いて、再組換えHIV-1ゲノムを検出・アノテーションする計算手法を開発すること。
• HMMに基づく再組換え推論におけるパラメータ感受性を克服するため、同時にすべての可能なパラメータ値を分析すること。
• 固定パラメータモデルに比べ、HIV-1循環的再組換え形態（CRFs）の両親サブタイプ割り当ての正確性と頑健性を向上させること。
• パラメータ選択が再組換えアノテーションに与える影響を理解するための包括的で解釈可能なフレームワークを提供すること。
• 動的計画法とパラメトリック分析を用いて、全長HIV-1ゲノム上で効率的かつスケーラブルな推論を可能にすること。

提案手法

• 各状態が潜在的な両親サブタイプに対応する隠れマルコフモデル（HMM）を構築し、遷移が再組換えイベントを表す。
• モデルはヌクレオチド置換（Jukes-Cantorが仮定される）に基づく発生確率と、再組換え（ρ）および変異（μ）の遷移確率を使用する。
• 動的計画法を用いたパラメトリック推論により、2次元パラメータ空間（ρ, μ）全体におけるすべての最適アノテーションを計算する。
• 解はアノテーション多角形として表現され、すべてのパラメータ組み合わせにおける最適な両親割り当てを符号化する。
• 手動でcuratedされたアノテーションとの一致度を検証指標として用い、パラメータ領域全体でのモデル性能を評価する。
• 事前にパラメトリック解を計算した後、アノテーション多角形上で線形計画法を解くことで、効率的なMAP推定が可能になる。

実験結果

リサーチクエスチョン

• RQ1 HIV-1 CRFsの両親サブタイプアノテーションにおいて、最も正確なHMMパラメータ（ρ, μ）の範囲は何か？
• RQ2 パラメトリック推論は、異なるパラメータ値における再組換えアノテーションの頑健性と感受性をどのように明らかにするか？
• RQ3 2つのパラメータを持つ単一のHMMは、多様なHIV-1再組換え形態において熟練者によるcuratedアノテーションと高い一致度を達成できるか？
• RQ4 異なるパラメータ領域は、どのように異なる再組換えブレークポイントパターンと両親セットの割り当てに対応するか？
• RQ5 パラメトリック解析は、固定パラメータ推論に比べて、より情報量が多く信頼性の高いアノテーションをどの程度提供するか？

主な発見

• 均一なCRF分布において、モデルは最大で期待一致スコア0.874を達成し、これはα ∈ [1.481, 1.485] の範囲で達成される。最適パラメータ下での高い正確性を示す。
• α ∈ [1.472, 1.494] の範囲では、0.85以上のスコアが期待され、正確性が維持される狭く鋭いパラメータ領域である。
• 同じパラメータ領域において、純粋サブタイプの期待スコアは依然として高い（≥ 0.95）ため、再組換え体と非再組換え体の識別が強く保たれている。
• アノテーション多角形は、パラメータ全体にわたるすべての最適な両親割り当てを捉えており、特定のパラメータ値では完全な両親セットが検出可能である一方、他の値では短いサブシーケンスが検出されることを示している。
• パラメトリック推論により、最適パラメータ領域が複数のCRFsにわたり安定的かつ一貫していることが明らかとなり、生物学的変異に対しても頑健であることが示唆される。
• 本手法は計算的に効率的かつスケーラブルであり、341例の全長HIV-1ゲノム（約10,000 nt）をパラメトリックHMM推論で効果的に分析した。