[论文解读] PoMSA: An Efficient and Precise Position-based Multiple Sequence Alignment Technique

Sara A. Shehab, Sameh Shohdy+1 more|arXiv (Cornell University)|Aug 3, 2017

Genomics and Phylogenetic Studies参考文献 10被引用 3

一句话总结

PoMSA 提出了一种新颖的基于位置的多序列比对（MSA）技术，通过构建位置矩阵来指导缺口插入，从而提高比对的准确性和效率。在 BAliBASE、OXBench 和 SMART 基准测试中，PoMSA 在比对得分上优于最先进的工具如 Clustal-Omega、MAFFT 和 MUSCLE，展现出更优的精确度和性能。

ABSTRACT

Analyzing the relation between a set of biological sequences can help to identify and understand the evolutionary history of these sequences and the functional relations among them. Multiple Sequence Alignment (MSA) is the main obstacle to proper design and develop homology and evolutionary modeling applications since these kinds of applications require an effective MSA technique with high accuracy. This work proposes a novel Position-based Multiple Sequence Alignment (PoMSA) technique -- which depends on generating a position matrix for a given set of biological sequences. This position matrix can be used to reconstruct the given set of sequences in more aligned format. On the contrary of existing techniques, PoMSA uses position matrix instead of distance matrix to correctly adding gaps in sequences which improve the efficiency of the alignment operation. We have evaluated the proposed technique with different datasets benchmarks such as BAliBASE, OXBench, and SMART. The experiments show that PoMSA technique satisfies higher alignment score compared to existing state-of-art algorithms: Clustal-Omega, MAFTT, and MUSCLE.

研究动机与目标

• 解决现有 MSA 方法依赖距离矩阵所带来的局限性，后者可能导致次优的缺口放置并降低比对准确性。
• 开发一种更高效且精确的 MSA 技术，适用于同源性和进化建模应用。
• 提出一种基于位置矩阵的方法，更好地捕捉序列之间的关系并指导准确的缺口插入。
• 使用标准生物序列基准测试，将所提出的方法与已建立的 MSA 工具进行对比评估。
• 证明基于位置的比对可实现高于基于距离或迭代方法的比对得分。

提出的方法

• 该方法从输入的生物序列构建位置矩阵，表示在序列中各位置处残基的频率和分布情况。
• 位置矩阵用于指导比对过程，特别是在确定最优缺口插入位置以保持生物学相关性方面。
• 与传统方法使用距离矩阵来估计进化关系不同，PoMSA 直接建模位置上的保守性和变异。
• 该算法通过利用位置矩阵迭代优化比对，对序列进行更精确的重新比对。
• 该方法避免依赖启发式距离计算，从而减少计算开销并提高比对精度。
• 使用 BAliBASE、OXBench 和 SMART 等标准 MSA 基准测试对方法进行评估，以确保可复现性和可比性。

实验结果

研究问题

• RQ1 基于位置矩阵的方法是否能提高多序列比对的准确性，相比基于距离矩阵的方法？
• RQ2 所提出的 PoMSA 技术是否在比对得分上优于最先进的工具如 Clustal-Omega、MAFFT 和 MUSCLE？
• RQ3 基于位置的比对是否能减少计算开销，同时保持或提升比对质量？
• RQ4 PoMSA 在具有不同序列相似性水平的多样化生物序列数据集上的表现如何？
• RQ5 与使用进化距离相比，使用位置信息在多大程度上能提升缺口放置的准确性？

主要发现

• PoMSA 在 BAliBASE、OXBench 和 SMART 基准测试中，比 Clustal-Omega、MAFFT 和 MUSCLE 的比对得分更高。
• 使用位置矩阵可实现更准确的缺口放置，从而相比基于距离的方法提升比对质量。
• 该方法通过避免计算昂贵的距离矩阵，展现出更优的效率。
• 结果表明，基于位置的建模比传统方法更有效地捕捉了具有生物学意义的模式。
• 该技术在多样化序列数据集上表现出一致的性能提升，表明其具有鲁棒性和泛化能力。
• 本研究证实，基于位置矩阵的比对是现有 MSA 技术的一种可行且有效的替代方案。