[논문 리뷰] The Context Sensitivity Problem in Biological Sequence Segmentation

Siew-Ann Cheong, Paul Stodghill외 3명|ArXiv.org|2009. 04. 17.

Fractal and DNA sequence analysis참고 문헌 17인용 수 10

한 줄 요약

이 논문은 생물학적 서열 분할에서 동일한 서열 조각이 게놈 맥락에 따라 다르게 분할되는 맥락 민감도 문제를 규명하고 분석한다. 슬라이딩 윈도우와 재귀적 기법을 사용한 엔트로피 기반 분할을 통해 저자들은 분할 경계가 국소적 및 전반적 서열 맥락에 따라 달라지며, 이는 표준 군집화 방법의 타당성을 해친다는 것을 보여준다. 평균장 분석을 통해 윈도우 기반의 발산 함수가 본질적으로 맥락에 의존함을 밝혀내어, 모든 분할 기법의 신뢰성에 의문을 제기한다.

ABSTRACT

In this paper, we describe the context sensitivity problem encountered in partitioning a heterogeneous biological sequence into statistically homogeneous segments. After showing signatures of the problem in the bacterial genomes of Escherichia coli K-12 MG1655 and Pseudomonas syringae DC3000, when these are segmented using two entropic segmentation schemes, we clarify the contextual origins of these signatures through mean-field analyses of the segmentation schemes. Finally, we explain why we believe all sequence segmentation schems are plagued by the context sensitivity problem.

연구 동기 및 목표

• 동일한 서열 조각이 다른 게놈 맥락에 포함될 때 같은 알고리즘이 일관되지 않게 분할하는 이유를 조사하기 위해.
• 생물학적 서열 분석에서 사용되는 엔트로피 기반 분할 기법의 맥락 민감도의 근본 원인을 규명하기 위해.
• 윈도우 크기를 증가시키거나 약한 도메인 월을 제거하는 등의 표준 군집화 기법이 맥락 의존성으로 인해 실패함을 보여주기 위해.
• 국소적 및 전반적 맥락이 분할 알고리즘에서 도메인 월 감지에 어떻게 왜곡을 일으키는지 설명하는 평균장 모델을 개발하기 위해.
• 맥락 민감도 문제의 보편성이 엔트로피 기반 기법 외의 모든 분할 기법에도 영향을 미친다는 것을 보여주기 위해.

제안 방법

• 이웃하는 서열 윈도우 간의 국소 통계적 차이를 기반으로 도메인 월을 탐지하기 위해 쌍체 슬라이딩 윈도우 엔트로피 기반 분할 기법을 사용한다.
• 전체 서열 맥락에 민감한 계층적으로 분할을 구축하는 재귀적 엔트로피 기반 분할 기법을 적용한다.
• 제닝스-섀넌 발산과 제곱 편차 스펙트럼을 평균장 분석을 통해 모델링하고, 도메인 월 주변에서 조각별 이차 곡선 형태를 유도한다.
• 평균장 곡선 형태를 사용한 매칭 필터링 기법을 도입하여 원시 제곱 편차 스펙트럼을 스무딩하고 피크 탐지 성능을 향상시킨다.
• 원시 데이터와 평균장 곡선 형태 간의 적합도를 평가하기 위해 잔차 스펙트럼 R(i)를 계산한다. 이는 품질 향상 스펙트럼 출력을 가능하게 한다.
• 스무딩된 스펙트럼을 잔차 R(i)로 나누어 품질 향상 스펙트럼을 생성함으로써 진정한 도메인 월의 해상도를 향상시킨다.

실험 결과

연구 질문

• RQ1 왜 동일한 서열 조각이 전체 게놈 맥락이 다른 곳에 삽입될 때 다른 분할 결과를 보이는가?
• RQ2 슬라이딩 윈도우 분할에서 윈도우 크기가 도메인 월 탐지에 어떤 영향을 미치며, 왜 군집화 기법이 신뢰할 수 없는가?
• RQ3 왜 재귀적 분할 기법은 도메인 월의 진정한 통계적 강도 순서로 탐지하지 못하는가?
• RQ4 반복 서열이 분할에서 맥락 민감도 문제를 어느 정도 악화시키는가?
• RQ5 평균장 모델이 국소적 및 전반적 맥락이 다양한 조건에서 도메인 월의 스펙트럼 반응을 정확히 예측할 수 있는가?

주요 결과

• *E. coli* K-12 MG1655에서 탐지된 도메인 월 수는 n=1000일 때 2781개에서 n=5000일 때 577개로 감소하지만, 근접한 월들이 융합되는 방식이 지역 간에 일관되지 않아 맥락 의존성이 명백히 드러난다.
• 쌍체 슬라이딩 윈도우 기법은 도메인 월 탐지가 윈도우 크기와 국소 맥락에 매우 민감하며, 일관된 군집화 경로가 존재하지 않음을 보여준다.
• 재귀적 분할 기법은 전체 서열 맥락이 개별 경계의 중요도를 왜곡함으로써 도메인 월을 진정한 통계적 강도 순서로 탐지하지 못한다.
• 평균장 분석을 통해 윈도우 기반 제닝스-섀넌 발산 Δ(z)와 제곱 편차 r(z) 모두 도메인 월 중심에 위치한 조각별 이차 곡선 형태를 따르며, z=0에서 최댓값을 가진다.
• 매칭 필터링된 스펙트럼 ā€”r(i)는 원시 스펙트럼보다 스무딩되기는 하나 더 넓어져서 밀도가 높은 도메인 월의 해상도를 떨어뜨린다.
• 잔차 스펙트럼 R(i)는 평균장 곡선 형태에 대한 적합도가 떨어지는 영역을 식별하며, 스무딩된 스펙트럼을 R(i)로 나누어 진정한 도메인 월을 더 잘 분리하는 품질 향상 스펙트럼을 생성한다.