[论文解读] Category theory for genetics I: mutations and sequence alignments

Rémy Tuyéras|arXiv (Cornell University)|May 18, 2018

RNA and protein synthesis mechanisms参考文献 16被引用 4

一句话总结

本文提出了一种范畴论框架，利用极限图式（limit-sketches）与pedigrads，将插入、缺失、替换、重复和倒位等遗传突变机制统一形式化为代数结构。通过将序列比对建模为函子，并利用右凯南扩张（right Kan extensions），该方法可在比对过程中直接检测进化机制，数据中的不确定性揭示了潜在的突变事件。

ABSTRACT

The present article is the first of a series whose goal is to define a logical formalism in which it is possible to reason about genetics. In this paper, we introduce the main concepts of our language whose domain of discourse consists of a class of limit-sketches and their associated models. While our program will aim to show that different phenomena of genetics can be modeled by changing the category in which the models take their values, in this paper, we study models in the category of sets to capture mutation mechanisms such as insertions, deletions, substitutions, duplications and inversions. We show how the proposed formalism can be used for constructing multiple sequence alignments with an emphasis on mutation mechanisms.

研究动机与目标

• 开发一种根植于范畴论的正式、抽象语言，用于推理遗传现象，特别聚焦于突变机制。
• 解决当前比对方法将遗传变异视为随机的局限性，转而通过比对过程识别突变机制。
• 利用范畴论构造（如右凯南扩张与极限）形式化多重序列比对，实现对序列进化机制的机制性理解。
• 区分比对中的数据一致性与不确定性：将满射或同构映射与生物学一致性关联，将不确定性与突变事件关联。
• 为遗传学中更广泛的范畴论形式化奠定基础，未来可扩展以建模基因型、表型及重组事件。

提出的方法

• 将'chromologies'定义为一类极限图式，其模型（称为'pedigrads'）在范畴论框架下形式化遗传操作。
• 将序列比对建模为函子 $ T: B \to \mathbf{Set} $，其中 $ B $ 是序列片段的范畴，将比对数据表示为一组对齐序列的集合。
• 利用右凯南扩张 $ \mathsf{Ran}_{\iota}T $ 从部分数据整合多个序列比对，从局部比对重构全局比对。
• 应用'slices'（定义4.7）的概念，通过识别对应于特定突变机制的提升（lifts）来解决比对中的不确定性。
• 利用极限与锥结构评估数据一致性：同构表示完美一致性，而满射则表示与生物学机制相关的不确定性。
• 构建函子 $ \pi_{\mathtt{c}}^*E_b^\varepsilon \circ \iota $ 以建模环境约束，并通过拉回构造检测突变事件。

实验结果

研究问题

• RQ1 范畴论如何用于形式化插入、缺失、替换、重复与倒位等遗传突变机制？
• RQ2 是否能够以一种在比对过程中识别突变机制而非事后分析的方式构建多重序列比对？
• RQ3 序列比对数据中的不确定性如何被正式关联到特定生物突变机制的存在？
• RQ4 右凯南扩张与极限等范畴论构造在何种方式下提供对序列进化的机制性理解？
• RQ5 函子像的结构及其态射（例如满射与同构）如何反映遗传数据中的生物学一致性或不确定性？

主要发现

• 序列比对函子 $ T $ 的右凯南扩张同时捕获了局部与全局比对信息，使得能够从部分数据构建多重序列比对。
• 凯南扩张结构中的满射函数表示数据中的不确定性，该现象被证明与插入或缺失等突变机制的存在相关。
• 凯南扩张中的同构映射对应于完全一致的数据，表示无不确定性，且对对齐完整性具有高度置信。
• Craig的切片构造的使用使得能够通过识别匹配已知序列重排的提升，检测特定突变机制（如倒位）。
• 凯南扩张像中出现的三元组对齐序列（例如 $ \mathtt{x_1x_2ABCx_3x_4x_5x_6} $，$ \mathtt{x_1x_2CBAx_3x_4x_5x_6} $）揭示了倒位事件，证实了机制的一致性。
• 该框架成功识别出像 $ \mathtt{x_1x_2EFGx_3x_4x_5x_6} $ 这类序列不会产生此类三元组，表明其不太可能通过倒位与原始序列相关联，从而验证了机制检测的有效性。