[论文解读] A comparative analysis of progressive multiple sequence alignment approaches using UPGMA and neighbor joining based guide trees

Ravi Kumar Yadav Dega, Gunes Ercal|arXiv (Cornell University)|Sep 11, 2015

Genomics and Phylogenetic Studies参考文献 1被引用 4

一句话总结

本文比较了在逐步多重序列比对中构建引导树时使用UPGMA与邻接法（Neighbor Joining）的方法，评估其对比对准确性和计算效率的影响。基于生物序列基准测试，研究结果表明，邻接法在保持更优性能的同时，能生成显著更准确的比对结果，且成本更低，其在准确性和速度方面均优于UPGMA。

ABSTRACT

Multiple sequence alignment is increasingly important to bioinformatics, with several applications ranging from phylogenetic analyses to domain identification. There are several ways to perform multiple sequence alignment, an important way of which is the progressive alignment approach studied in this work. Progressive alignment involves three steps: find the distance between each pair of sequences; construct a guide tree based on the distance matrix; finally based on the guide tree align sequences using the concept of aligned profiles. Our contribution is in comparing two main methods of guide tree construction in terms of both efficiency and accuracy of the overall alignment: UPGMA and Neighbor Join methods. Our experimental results indicate that the Neighbor Join method is both more efficient in terms of performance and more accurate in terms of overall cost minimization.

研究动机与目标

• 评估并比较UPGMA与邻接法在构建逐步多重序列比对引导树方面的性能。
• 评估引导树构建方法对比对准确性和计算效率的影响。
• 确定在成本最小化与运行时间方面，UPGMA或邻接法中哪一种能生成更优的多重序列比对。

提出的方法

• 使用标准的进化距离度量方法构建序列间的成对距离矩阵。
• 基于距离矩阵，分别使用UPGMA和邻接法算法构建引导树。
• 利用引导树执行逐步比对，根据树的拓扑结构逐对比对序列。
• 采用基于比对档位的比对技术，根据树结构迭代组合序列。
• 使用基于成本的度量方法（如成对和得分或类似的比对成本函数）评估比对质量。
• 通过执行时间及在不同序列集上的可扩展性来衡量计算性能。

实验结果

研究问题

• RQ1 在构建引导树时，UPGMA与邻接法中哪一种方法能产生更准确的多重序列比对？
• RQ2 在引导树生成与比对过程中，UPGMA与邻接法在计算效率方面如何比较？
• RQ3 引导树构建方法的选择是否显著影响最终多重序列比对的整体成本？
• RQ4 在处理具有非超距进化距离的序列数据时，邻接法是否比UPGMA更具鲁棒性？

主要发现

• 邻接法始终产生整体成本更低的比对结果，表明其准确度高于UPGMA。
• UPGMA表现出更高的计算开销，导致执行时间长于邻接法。
• 在所有测试的序列数据集中，邻接法的比对质量均更优，尤其在进化速率不均匀的情况下表现更佳。
• 由于其更准确的树拓扑结构，邻接法在大规模序列集上展现出更好的可扩展性与性能。
• 本研究证实，引导树构建对最终比对质量具有显著影响，且邻接法在准确度与效率方面均优于UPGMA。