[论文解读] Detecting phylogenetic relations out from sparse context trees

Florencia Leonardi, Sérgio Russo Matioli+2 more|ArXiv.org|Apr 27, 2008

Genomics and Phylogenetic Studies参考文献 10被引用 5

一句话总结

本文提出了一种基于稀疏概率后缀树（SPST）的新型系统发育分析方法，通过上下文树之间的结构距离检测序列相似性，而非依赖于基于比对的度量。该方法计算一种基于树的相似性度量（SPST距离），通过稀疏上下文结构捕捉序列相关性，成功重建了与已知进化关系一致的血红蛋白家族系统发育树，尽管与PAM基于的树相比存在一些拓扑差异。

ABSTRACT

The goal of this paper is to study the similarity between sequences using a distance between the \emph{context} trees associated to the sequences. These trees are defined in the framework of \emph{Sparse Probabilistic Suffix Trees} (SPST), and can be estimated using the SPST algorithm. We implement the Phyl-SPST package to compute the distance between the sparse context trees estimated with the SPST algorithm. The distance takes into account the structure of the trees, and indirectly the transition probabilities. We apply this approach to reconstruct a phylogenetic tree of protein sequences in the globin family of vertebrates. We compare this tree with the one obtained using the well-known PAM distance.

研究动机与目标

• 开发一种基于从蛋白质序列中提取的稀疏上下文树结构架构来度量序列相似性的方法。
• 评估稀疏上下文树的拓扑结构是否编码了可用于系统发育重建的有意义的进化信息。
• 比较SPST距离与既有的PAM距离在重建脊椎动物血红蛋白家族系统发育树方面的性能。
• 研究SPST距离与经典基于比对的度量（如PAM）的关系，特别是其非线性尺度特性及对序列变异的敏感性。

提出的方法

• SPST算法从蛋白质序列中估计稀疏上下文及其转移概率，将其表示为以根为起点的树结构，其中每条分支对应一个相关上下文。
• 定义一种新型距离度量——β-距离，基于两棵稀疏上下文树之间的结构差异，同时考虑树的拓扑结构与上下文集合的不相似性。
• 实现Phyl-SPST软件包，用于计算来自SCOP数据库的41个脊椎动物血红蛋白序列之间的SPST距离矩阵。
• 基于SPST距离矩阵和来自PALI数据库比对的PAM距离矩阵，使用邻接法（Neighbor Joining）重建系统发育树。
• 通过视觉与定量比较，评估两棵树的拓扑一致性与进化准确性。
• 分析SPST距离相对于PAM距离的非线性行为，特别是在短距离与长距离区间的表现。

实验结果

研究问题

• RQ1 从蛋白质序列中提取的稀疏上下文树的结构架构是否能可靠地反映进化相关性？
• RQ2 SPST距离在重建已知血红蛋白家族系统发育树方面与经典PAM距离相比表现如何？
• RQ3 为何SPST距离与PAM距离之间表现出非线性关系，特别是在小序列差异上显示出更高敏感性？
• RQ4 树的拓扑结构与上下文集合的不相似性对SPST距离有何影响，其对系统发育推断又产生何种影响？

主要发现

• SPST距离成功重建了反映已知进化关系的血红蛋白家族系统发育树，以七鳃鳗作为外群。
• 基于SPST的系统发育树呈现出独特的分支模式，将肌红蛋白簇置于与β-珠蛋白链更近的位置，与PAM树结果不同。
• SPST树错误地将红尾鹿（Odocoileus virginianus）置于哺乳动物类群之外，这一误置在PAM树中未出现。
• 观察到SPST距离与PAM距离之间存在非线性关系，尤其在PAM距离较小时SPST距离显著增加，表明对微小序列变异具有高敏感性。
• 上下文树的有界性以及β-距离的特定形式，可能共同导致SPST距离在长进化距离下出现平台效应。
• 本研究证明，即使不直接使用估计的转移概率，上下文树的结构架构仍包含可用于系统发育推断的生物学上有意义的结构信息。