[论文解读] Detecting the homology of DNA-sequences based on the variety of optimal alignments: a case study

Erik Hirmo, Jüri LemberHeinrich Matzinger+1 more|arXiv (Cornell University)|Oct 14, 2012

Algorithms and Data Compression参考文献 5被引用 4

一句话总结

本文提出了一种基于最优对齐多样性（特别是最长公共子序列（LCS）框架中最高和最低对齐）的新型DNA序列同源性检测方法。通过测量极端对齐之间的垂直和水平距离、非唯一性区段的长度以及唯一性点的数量，该方法提供了比标准LCS长度更敏感的序列相关性度量，相较于BLAST在检测细菌dnaA基因中细微同源性方面表现更优。

ABSTRACT

We consider a novel approach of measuring the homology of DNA sequences based of the variety of optimal alignments in the longest common subsequence sense. The proposed approach is compared with BLAST in measuring the homology of four genes.

研究动机与目标

• 通过利用最优对齐的多样性，开发一种比传统对齐得分更敏感的同源性检测方法。
• 探究极端对齐（最高和最低）的结构多样性是否反映DNA序列的生物学相关性。
• 将所提出的基于极端对齐的度量与真实生物序列中的标准BLAST输出进行比较。
• 评估对齐多样性度量（如非唯一性区段、唯一性点）在检测细微同源性方面的灵敏度。

提出的方法

• 该方法识别两个DNA序列对应的最长公共子序列（LCS）的所有最优对齐。
• 极端对齐被定义为在序列对齐的二维网格表示中，位于最上方（最高）和最下方（最低）的对齐。
• 计算极端对齐之间的最大垂直和水平距离，并将两者之和作为同源性度量。
• 计算极端对齐发生分歧的最长非唯一性区段的长度，作为对齐多样性的度量。
• 统计极端对齐重合的位置数量（即唯一性点），作为另一种同源性指标。
• 将这些度量与四个细菌dnaA基因上的标准BLAST输出（E值、MaxIdent、查询覆盖度）进行比较。

实验结果

研究问题

• RQ1 最优对齐的多样性，特别是极端对齐之间的距离，能否作为序列同源性的可靠指标？
• RQ2 最长非唯一性区段的长度与DNA序列的生物学相关性之间有何相关性？
• RQ3 唯一性点数量和对齐多样性度量在多大程度上优于标准LCS长度，以检测同源性？
• RQ4 基于极端对齐的度量与BLAST的E值和MaxIdent相比，在检测密切相关的细菌基因之间的相关性方面表现如何？

主要发现

• 极端对齐之间最大垂直与水平距离之和（Vert+Hor=Sum）与生物学相关性具有强烈相关性，高度相关的序列对（如Gene 1–2和3–4）值为0，而相关性较低的序列对则增加至44。
• 最长非唯一性区段的长度在高度相关的基因对（如Gene 1–2）中为0，而在相关性较低的序列对中增加至111，表明无关序列具有更高的对齐多样性。
• 唯一性点数量在最相关的序列对（Gene 1–2）中最高（1518个），在最不相关的序列对（Gene 3–4）中减少至520个，反映出相关序列中对齐的一致性更高。
• 所有基于极端对齐的度量（Vert+Hor=Sum、non-uniq st.、uniq points）均与BLAST的E值和MaxIdent高度一致，表明在检测细微同源性方面具有更高的灵敏度。
• LCS长度本身表现良好，但在捕捉中等相似性序列对之间的细微相关性差异方面，仍不如基于多样性的度量。