[论文解读] Dynamic Programming Algorithms for Discovery of Antibiotic Resistance in Microbial Genomes

Manal Helal, Vitali Sintchenko|arXiv (Cornell University)|Nov 29, 2023

Genomics and Phylogenetic Studies参考文献 35被引用 4

一句话总结

本文提出 mmDst，一种新颖的多序列比对（MSA）算法，利用张量索引对动态规划超立方体空间进行分区，以实现并行处理，显著提升了高度分歧的微生物基因组的比对准确率。该方法通过高效近似主评分区域外的边缘单元格得分，在识别抗生素耐药性决定因子方面优于现有 MSA 工具，在临床相关的高度分歧序列上表现出卓越性能。

ABSTRACT

The translation of comparative genomics into clinical decision support tools often depends on the quality of sequence alignments. However, currently used methods of multiple sequence alignments suffer from significant biases and problems with aligning diverged sequences. The objective of this study was to develop and test a new multiple sequence alignment (MSA) algorithm suitable for the high-throughput comparative analysis of different microbial genomes. This algorithm employs an innovative tensor indexing method for partitioning the dynamic programming hyper-cube space for parallel processing. We have used the clinically relevant task of identifying regions that determine resistance to antibiotics to test the new algorithm and to compare its performance with existing MSA methods. The new method "mmDst" performed better than existing MSA algorithms for more divergent sequences because it employs a simultaneous alignment scoring recurrence, which effectively approximated the score for edge missing cell scores that fall outside the scoring region.

研究动机与目标

• 为解决当前多序列比对（MSA）方法在处理高度分歧微生物序列时的局限性。
• 减少比较基因组学中的比对偏差和错误，尤其是在临床应用中。
• 开发一种可扩展、可并行化的 MSA 算法，适用于微生物基因组的高通量分析。
• 通过提升分歧区域的比对准确率，改善抗生素耐药基因的检测。
• 在临床相关的基因组数据上，评估新方法 mmDst 与现有 MSA 工具的性能表现。

提出的方法

• mmDst 算法采用张量索引方法，将动态规划超立方体划分为子区域，以实现高效的并行计算。
• 它使用一种同步比对得分递推关系，近似主评分区域外缺失的边缘单元格得分。
• 通过张量分解利用动态规划矩阵的结构，优化内存访问和负载均衡。
• 该算法旨在以较低的计算开销处理高维序列比较。
• 它集成了经过修改的得分函数，在序列高度分歧时仍能保持比对保真度。
• 通过支持跨多个计算节点的分布式处理，该实现可实现高通量分析。

实验结果

研究问题

• RQ1 与标准 MSA 方法相比，基于张量索引的动态规划方法是否能提升高度分歧微生物序列的比对准确率？
• RQ2 mmDst 中的同步得分递推关系如何处理比对单元格落在主评分区域之外的边界情况？
• RQ3 mmDst 在识别临床相关基因组区域中的抗生素耐药基因方面，相较于现有 MSA 工具的优越程度如何？
• RQ4 通过张量索引实现的并行化策略是否在提升比对质量的同时保持计算效率？
• RQ5 mmDst 在微生物基因组中不同序列分歧程度下的鲁棒性如何？

主要发现

• 与传统 MSA 工具相比，mmDst 算法在比对高度分歧序列方面表现出更优性能，尤其在与抗生素耐药性相关的区域。
• 同步得分递推关系的使用显著提升了比对准确率，通过近似原本会被忽略的边缘单元格得分。
• 张量索引实现了高效的负载均衡并减少了内存访问瓶颈，提升了大规模基因组比较的可扩展性。
• mmDst 在检测多样微生物基因组中已知抗生素耐药性决定因子方面，实现了更高的敏感度和阳性预测值。
• 该方法在多个具有不同程度序列分歧的数据库上均表现出一致的性能提升。
• mmDst 的并行化架构实现了更快的处理速度，同时不牺牲比对质量，使其适用于高通量应用场景。