[論文レビュー] Resampling Residuals: Robust Estimators of Error and Fit for Evolutionary Trees and Phylogenomics

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

Genomics and Phylogenetic Studies参考文献 38被引用数 4

ひとこと要約

本稿では、系統樹再構築および系統ゲノム解析における誤差推定と木の適合度評価を改善するため、再サンプリングされた残差法を提案する。距離に基づく木の適合から得られる残差を標準化し、それらを再サンプリングして再現データセットを生成することで、確率的および系統的誤差の両方をきめ細かく捉える。これは、特にイーストのゲノムスケールアラインメントにおいて、従来のブートストラップ法よりも信頼性の高い支持値を提供する。

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.

研究の動機と目的

• ゲノムスケール系統解析における系統的および確率的誤差のための不確実性の低減推定を是正する。
• 木のトポロジーおよび枝長における真の不確実性をよりよく捉える従来のブートストラップ法の代替手段を確立する。
• 従来の最小二乗法にとどまらず、計算が高速で系統ゲノム学で広く用いられる高速BME（バランス最小二乗）基準への再サンプリング残差法の応用を拡張する。
• さまざまなDNAおよびタンパク質距離測定法を用いて、実際のイーストゲノムアラインメント上でこの手法の性能を評価する。
• 有効な配列長が過大評価されている場合に、再サンプリング残差法が標準ブートストラップ法よりも現実的である支持値を提供することを示す。

提案手法

• 距離に基づく木の適合からの残差を、分散の変動を考慮した柔軟な重み付き最小二乗法（fWLS）を用いて標準化する。
• 標準化された残差を再びリサンプリング（復元抽出）することで、適合モデル下での新たな再現データセットを生成する。
• 再サンプリングされた残差を用いて、元のデータ構造を保持しつつ、残差のばらつきに基づく摂動を加えた上で、再び木のトポロジーおよび枝長を推定する。
• 計算が高速で系統ゲノム学で広く用いられるBME（バランス最小二乗）基準に対しても、同じ再サンプリング手順を適用する。
• 再現の各反復で得られた木の分布を用いて、内部枝の支持度を推定し、全体の木の適合度を評価する。
• 実際のイーストゲノムアラインメントを用いて、再サンプリング残差法と従来の配列ブートストラップ法の性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 再サンプリング残差法は、従来のブートストラップ法と比較して、系統樹における不確実性推定をどのように改善するか？
• RQ2 従来の手法が見過ごしがちな系統的誤差を、この手法はどの程度検出できるか？
• RQ3 再サンプリング残差法は、計算が高速で系統ゲノム学で広く用いられるBME基準へも効果的に拡張可能か？
• RQ4 異なるDNAおよびタンパク質距離測定法は、残差構造およびその後の再サンプリング結果にどのような影響を与えるか？
• RQ5 確率的誤差の過大評価を是正することで、この手法は真の有効な配列長をよりよく反映するのか？

主な発見

• 有効な配列長が過大評価されている場合に、再サンプリング残差法は従来のブートストラップ法よりも現実的である支持値を生成する。
• この手法は、標準ブートストラップ法が十分に捉えきれない、系統的誤差に起因するイースト系統樹の不確実性を明らかにする。
• 距離に基づく適合からの残差には非一様な分散が見られ、標準誤差が等分散ではないことが示され、再サンプリングの前段階としての標準化の必要性が裏付けられる。
• モデルの仮定が成り立つ場合には、この手法は従来の配列ブートストラップ法と非常に類似した結果をもたらすため、仮定が成立する場合の整合性が検証された。
• 実データに適用した場合、この手法は確率的誤差および系統的誤差に起因する不確実性を検出でき、木の信頼性に関する包括的な評価を可能にする。
• BME基準への応用においても同様に有望な結果が得られたため、系統ゲノム学におけるさまざまな木の推定手法への広範な適用可能性が示唆された。