[论文解读] TreeOTU: Operational Taxonomic Unit Classification Based on Phylogenetic Trees

Dongying Wu, Ladan Doroud+1 more|arXiv (Cornell University)|Aug 28, 2013

Genomics and Phylogenetic Studies参考文献 40被引用 10

一句话总结

TreeOTU 引入了一种基于系统发育树的分类方法，使用蛋白质编码基因家族（PhyEco 标记）作为 ssu-rRNA 的替代方案，以解决拷贝数变异和水平基因转移等局限性。该方法提高了 OTU 对系统发育结构的保真度，并在多种标记类型下生成与既定分类体系相当的分类群。

ABSTRACT

Our current understanding of the taxonomic and phylogenetic diversity of cellular organisms, especially the bacteria and archaea, is mostly based upon studies of sequences of the small- subunit rRNAs (ssu-rRNAs). To address the limitation of ssu-rRNA as a phylogenetic marker, such as copy number variation among organisms and complications introduced by horizontal gene transfer, convergent evolution, or evolution rate variations, we have identified protein- coding gene families as alternative Phylogenetic and Phylogenetic Ecology markers (PhyEco). Current nucleotide sequence similarity based Operational Taxonomic Unit (OTU) classification methods are not readily applicable to amino acid sequences of PhyEco markers. We report here the development of TreeOTU, a phylogenetic tree structure based OTU classification method that takes into account of differences in rates of evolution between taxa and between genes. OTU sets built by TreeOTU are more faithful to phylogenetic tree structures than sequence clustering (non phylogenetic) methods for ssu-rRNAs. OTUs built from phylogenetic trees of protein coding PhyEco markers are comparable to our current taxonomic classification at different levels. With the included OTU comparing tools, the TreeOTU is robust in phylogenetic referencing with different phylogenetic markers and trees.

研究动机与目标

• 为克服 ssu-rRNA 作为系统发育标记的局限性，如拷贝数变异、水平基因转移和进化速率异质性。
• 开发一种尊重系统发育树结构而非依赖序列相似性阈值的 OTU 分类方法。
• 实现使用蛋白质编码 PhyEco 标记的一致 OTU 分配，这些标记在某些情境下比 rRNA 更为稳定和信息丰富。
• 构建一个跨不同标记和树拓扑结构的稳健系统发育参照框架。

提出的方法

• TreeOTU 使用蛋白质编码基因家族（PhyEco 标记）而非 ssu-rRNA 序列构建系统发育树。
• 利用树拓扑结构和分支长度信息定义 OTU，以考虑不同分类群和基因之间的进化速率差异。
• 在树结构上应用层次聚类，根据进化分歧程度调整阈值。
• 采用基于参考的方法，以比较和对齐不同系统发育标记和树类型中的 OTU。
• TreeOTU 包含用于 OTU 比较的工具，支持跨标记的一致性检查和验证。
• 该方法避免了传统 OTU 聚类中使用的任意序列一致性 cutoff，转而依赖于系统发育背景下的进化距离。

实验结果

研究问题

• RQ1 蛋白质编码基因家族能否作为可靠的系统发育标记用于 OTU 分类，从而克服 ssu-rRNA 的局限性？
• RQ2 基于树结构的 OTU 分类方法与基于序列相似性的聚类方法相比，在保留真实系统发育关系方面表现如何？
• RQ3 TreeOTU 在使用不同标记时，其生成的 OTU 集在多大程度上与既定的分类体系一致？
• RQ4 TreeOTU 在不同微生物谱系中面对树拓扑结构和标记选择变化时，其稳健性如何？

主要发现

• 与传统序列聚类方法相比，TreeOTU 生成的 OTU 对底层系统发育树结构的保真度显著更高。
• 基于 PhyEco 标记的 TreeOTU 衍生 OTU 在多个分类等级上与当前的分类体系相当。
• 该方法实现了在不同系统发育标记间的一致 OTU 参照，表现出对标记和树结构变化的稳健性。
• 通过整合不同分类群和基因之间的进化速率差异，TreeOTU 在性能上优于非系统发育聚类方法。
• OTU 比较工具的引入增强了微生物群落分析中结果的可重复性和跨研究一致性。
• 通过使用具有更稳定进化信号的蛋白质编码基因，该方法减少了水平基因转移和趋同进化带来的伪影。