[论文解读] Reconciliation of Gene and Species Trees With Polytomies

Y. Zheng, Taoyang Wu+1 more|arXiv (Cornell University)|Jan 19, 2012

Genomics and Phylogenetic Studies参考文献 27被引用 11

一句话总结

本文提出了首个在二元细化模型下高效处理非二叉基因树与物种树一致化的算法，证明了即使仅考虑重复成本，该问题也是NP难的。该方法采用两步策略：首先利用基因树结构对非二叉物种树进行细化，然后通过基于序理论的线性时间算法解析非二叉基因树节点，实现最优重复成本与最小损失成本。

ABSTRACT

Motivation: Millions of genes in the modern species belong to only thousands of `gene families'. A gene family includes instances of the same gene in different species (orthologs) and duplicate genes in the same species (paralogs). Genes are gained and lost during evolution. With advances in sequencing technology, researchers are able to investigate the important roles of gene duplications and losses in adaptive evolution. Because of gene complex evolution, ortholog identification is a basic but difficult task in comparative genomics. A key method for the task is to use an explicit model of the evolutionary history of the genes being studied, called the gene (family) tree. It compares the gene tree with the evolutionary history of the species in which the genes reside, called the species tree, using the procedure known as tree reconciliation. Reconciling binary gene and specific trees is simple. However, both gene and species trees may be non-binary in practice and thus tree reconciliation presents challenging problems. Here, non-binary gene and species tree reconciliation is studied in a binary refinement model. Results: The problem of reconciling arbitrary gene and species trees is proved NP-hard even for the duplication cost. We then present the first efficient method for reconciling a non-binary gene tree and a non-binary species tree. It attempts to find binary refinements of the given gene and species trees that minimize reconciliation cost. Our algorithms have been implemented into a software to support quick automated analysis of large data sets. Availability: The program, together with the source code, is available at its online server http://phylotoo.appspot.com.

研究动机与目标

• 解决由于信号不足或不确定性导致在真实系统发育数据中常见的非二叉基因树与物种树的一致化挑战。
• 克服现有一致化工具的局限性，这些工具要求至少一个树为二叉树，尤其在基因树与物种树均为非二叉时。
• 在简约性原则下，开发一种可扩展、高效的算法，以最小化重复与丢失事件。
• 提供一种实用的软件解决方案，支持比较基因组学中大规模自动化基因树与物种树一致化分析。
• 通过减少因深度联合发生和低分支支持导致的重复事件高估，改进基因家族进化的推断。

提出的方法

• 证明即使仅考虑重复成本，非二叉基因树与物种树的一致化问题也是NP难的，确立了该问题的理论计算难度。
• 提出一种两步一致化框架：首先利用基因树的结构信息计算非二叉物种树的二元细化。
• 应用一种新颖的线性时间算法，通过聚焦于最长的后代映射链，对非二叉基因树节点进行细化，利用序理论中的Mirsky定理。
• 确保所得一致化结果实现最优重复成本，并在所有此类一致化中实现最小可能的基因丢失成本。
• 在软件工具中实现该方法，支持在线发布，同时支持所提出的启发式方法以及Durand等人（2005）的动态规划方法用于细化。
• 在测试数据集上验证该方法，结果表明其在物种树细化方面优于先前算法，在一致化准确性上表现更优。

实验结果

研究问题

• RQ1 非二叉基因树与物种树的一致化问题在计算上是否可行，还是NP难？
• RQ2 能否在最小化一致化成本的前提下，高效计算出基因树与物种树的二元细化？
• RQ3 所提出的方法是否能在实现最优重复成本的前提下，实现最小的损失成本？
• RQ4 与Notung等现有工具或先前的细化算法相比，该方法在准确性和效率上表现如何？
• RQ5 该物种树细化组件是否可被重新用于从多个基因树推断物种树？

主要发现

• 非二叉基因树与物种树的一致化问题被证明是NP难的，即使仅考虑重复成本也是如此。
• 所提出的算法实现了最优重复成本，并在所有此类一致化中实现了最小可能的基因丢失成本。
• 通过实验验证，该方法在物种树细化方面优于先前算法。
• 软件实现已公开发布于 http://phylotoo.appspot.com，支持大规模数据集的自动化分析。
• 该方法减少了因深度联合发生和低分支支持导致的重复事件高估，尤其在深部分支中表现更优。
• 物种树细化组件在从多个基因树推断物种树方面展现出潜力，表明其具有更广泛的应用前景。