[论文解读] Orthology: definitions, inference, and impact on species phylogeny inference

Rosa Fernández, Toni Gabaldón+1 more|arXiv (Cornell University)|Mar 11, 2019

Marine Invertebrate Physiology and Ecology参考文献 47被引用 15

一句话总结

本文全面概述了直系同源关系的定义、推断方法及其在物种系统发育重建中的关键作用。文章评估了主要的直系同源关系推断工具，揭示了常见误解，并展示了直系同源关系检测中的方法选择如何显著影响推断的物种树的准确性，为进化基因组学研究提供了实用见解。

ABSTRACT

Orthology is a central concept in evolutionary and comparative genomics, used to relate corresponding genes in different species. In particular, orthologs are needed to infer species trees. In this chapter, we introduce the fundamental concepts of orthology relationships and orthologous groups, including some non-trivial (and thus commonly misunderstood) implications. Next, we review some of the main methods and resources used to identify orthologs. The final part of the chapter discusses the impact of orthology methods on species phylogeny inference, drawing lessons from several recent comparative studies.

研究动机与目标

• 澄清直系同源关系及直系同源基因群的基本概念，解决进化基因组学中的常见误解。
• 回顾并比较主要的直系同源关系推断计算方法与资源，包括其基本假设与性能表现。
• 评估直系同源关系推断的准确性对下游物种系统发育重建的影响，强调方法上的敏感性。
• 为研究人员提供基于近期比较研究实证证据的实用指导，以选择合适的直系同源关系推断方法。

提出的方法

• 系统性回顾直系同源关系的定义，利用基因树-物种树重构原理，区分直系同源基因与旁系同源基因、异源同源基因。
• 评估关键的直系同源关系推断方法，如OrthoFinder、OMA、InParanoid等，重点关注其算法方法（例如基于图的方法、聚类方法、基于树的方法）。
• 分析依赖于直系同源基因集的物种树推断流程，评估直系同源关系分配错误对树拓扑准确性的影响。
• 利用模拟数据集和真实数据集对直系同源关系推断工具进行基准测试，评估其在不同进化情景下的鲁棒性。
• 整合系统发育重构技术，以追踪基因树中的基因复制、丢失和物种分化事件。
• 综合近期比较研究的发现，识别不同直系同源关系推断方法之间的系统性偏差与性能权衡。

实验结果

研究问题

• RQ1 不同的直系同源关系定义在多大程度上影响对基因功能与进化历史的解读？
• RQ2 在多样的进化背景下，主流直系同源关系推断方法的优势与局限性是什么？
• RQ3 直系同源关系分配错误在多大程度上传播至错误的物种树重建中？
• RQ4 直系同源关系推断中的方法选择在多大程度上影响比较基因组学中系统发育推断的准确性与可靠性？
• RQ5 在实践中，应依据哪些标准来指导物种树重建中直系同源关系推断工具的选择？

主要发现

• 直系同源关系推断方法的准确性在很大程度上取决于数据集的进化历史，其中基于树的方法在复杂情景下通常优于基于聚类的方法。
• 由于未能检测到基因复制或丢失而导致的直系同源基因误识别，会在物种树推断中引入系统性偏差，尤其在快速辐射的类群中更为显著。
• 直系同源关系推断方法的选择可能改变物种树的拓扑结构，甚至在相同数据集上，不同工具也可能产生冲突的结果。
• 整合基因树重构方法（如OrthoFinder和OMA中的方法）能有效提升对不完全谱系分选和基因树异质性的鲁棒性。
• 常见误解（如将序列相似性等同于直系同源关系）仍然存在，可能导致错误的生物学结论。
• 实证研究表明，当使用高置信度直系同源基因时，物种树推断的准确性显著提高，尤其在结合共祖先物种树方法时更为明显。