Identifiability of phylogenetic networks and quintet concordance factors
تقدم هذه الورقة خوارزمية وتنفيذًا في Macaulay2 لحساب عوامل التوافق لـ n-tet لإثبات أن بيانات الخماسيات (5-taxons) تحل مشكلات قابلية التحديد للشبكات الوراثية من المستوى الأول تحت نموذج الشبكة متعددة الأنواع المتجمعة، والتي تظل غير قابلة للحل باستخدام طرق الرباعيات (4-taxons) التقليدية.
المؤلفون الأصليون:Joseph Cummings, Maize Curiel, Bryan Currie, Bryson Kagy, Udani Ranasinghe, John A. Rhodes
تخيل أنك تحاول حل لغز عائلي هائل، ولكن بدلاً من مجرد خط مستقيم من الآباء والأبناء، فإن شجرة عائلتك تحتوي على اختصارات سرية. ربما أنجب اثنان من أبناء العمومة طفلاً معاً، أو أن أحد أجداد الأجداد أنجب طفلاً من شخص ينتمي إلى فرع مختلف تماماً من العائلة. في عالم البيولوجيا، يُسمى هذا "شبكة تطورية" (phylogenetic network). إنها خريطة لكيفية ارتباط الأنواع ببعضها البعض، ولكن على عكس الشجرة البسيطة، تحتوي هذه الشبكة على حلقات وتقاطعات لأن الطبيعة تحب المزج بين الأشياء من خلال التهجين وتبادل الجينات. يستخدم العلماء هذه الخرائط لفهم التطور، ولكن هناك عقبة: البيانات التي يمتلكونها غالباً ما تكون ضبابية. لا يمكنهم رؤية التاريخ الفعلي؛ بل يمكنهم فقط رؤية "أصداء" ذلك التاريخ في الحمض النووي للأنواع الحية.
ولفهم هذه الأصداء، ينظر العلماء إلى مجموعات صغيرة من أربعة أو خمسة أنواع في كل مرة. ويتساءلون: "إذا اخترت هؤلاء الأربعة، فكيف سيبدو شجر عائلتهم؟". هذه اللقطات الصغيرة تسمى "الرباعيات" (أربعة أنواع) و"الخماسيات" (خمسة أنواع). لفترة طويلة، اعتمد العلماء بشكل أساسي على الرباعيات. كان الأمر يشبه محاولة حل لغز "الجيغسو" من خلال النظر فقط إلى القطع ذات الزوايا الأربع. لقد نجح الأمر في أمور كثيرة، لكنه ترك بعض الثغرات الكبيرة. وتحديداً، لم تستطع الرباعيات تحديد أين يقع "الجذر" في الشجرة (أي نوع هو السلف الأقدم) أو كيف تشكلت الحلقات في الشبكة بالضبط. كان الأمر أشبه بالنظر إلى ظل وعدم معرفة ما إذا كان الجسم الذي ألقى هذا الظل قطاً أم كلباً. والسؤال الكبير كان: إذا نظرنا إلى الخماسيات — مجموعات من خمسة بدلاً من أربعة — فهل سنحصل على معلومات إضافية كافية لحل لغز الجذر والحلقات أخيراً؟
هذه الورقة البحثية هي قصة فريق من علماء الرياضيات والبيولوجيا الذين قرروا ترقية قطع اللغز من أربعة إلى خمسة. لقد بنوا أداة حاسوبية قوية (خوارزمية) يمكنها حساب "البصمات" الرياضية الدقيقة لهذه المجموعات المكونة من خمسة أنواع لأي نوع من الشبكات. فكر في الأمر كآلة حاسبة فائقة يمكنها التنبؤ بما يجب أن تبدو عليه شجرة عائلة مكونة من خمسة أنواع إذا تضمن تاريخ العائلة حدث تهجين سري. ثم استخدموا هذه الأداة لاختبار كل شكل ممكن لشبكة مكونة من خمسة أنواع لا تحتوي على الحلقات الأكثر غرابة وإرباكاً (التي تسمى الدورات الثنائية أو 2-cycles).
ما وجدوه هو أن النظر في خمسة أنواع في كل مرة يعد تغييراً جذرياً لقواعد اللعبة. تماماً كما يمكن لإضافة قطعة واحدة إلى لغز أن تكشف فجأة الصورة بأكملها، توفر الخماسيات معلومات كافية لتحديد جذر الشبكة في معظم الحالات. كما وجدوا أن الخماسيات يمكنها رصد بعض الحلقات الصغيرة (الدورات الثلاثية أو 3-cycles) التي تغفل عنها الرباعيات تماماً. ومع ذلك، تُظهر الورقة أيضاً أن اللغز لم يُحل بالكامل بعد. فبينما يمكنهم تحديد الجذر في مواقف عديدة، لا تزال هناك بعض النقاط الصعبة — وتحديداً عندما يكون الجذر مخفياً داخل حلقة صغيرة — حيث لا تكفي حتى خمسة أنواع للتمييز بين تاريخين عائليين مختلفين. المؤلفون واضحون جداً في أنهم لم يحلوا المشكلة لكل شبكة ممكنة (خاصة تلك التي تحتوي على أكثر الحلقات تعقيداً)، لكنهم أثبتوا أن الانتقال من أربعة إلى خمسة أنواع يفتح مستوى جديداً تماماً من الوضوح. هم لم يكتفوا بالتخمين؛ بل استخدموا جبرًا شديد القوة ومحاكاة حاسوبية لإثبات أن هذه "البصمات" الجديدة متميزة رياضياً عن بعضها البعض بالنسبة لأشكال الشبكات المختلفة. لذا، بينما لم يُفتح الباب على مصراعيه بعد، فقد ركلوا الباب بقوة بالفعل، موضحين لنا أن المفتاح لفهم ماضينا التطوري قد يكمن في إحصاء قريب واحد إضافي.
بيان المشكلة أصبحت الشبكات الفيلوجينية ضرورية بشكل متزايد لنمذجة التاريخ التطوري الذي يتضمن التهجين، والخلط، والتدفق الجيني الأفقي، والتي تنتهك افتراضات نماذج الأشجار القياسية. ومع ذلك، فإن استنتاج هذه الشبكات يمثل تحدياً حسابياً وإحصائياً. وتعد قابلية التحديد (identifiability) شرطاً أساسياً لأي طريقة استنتاج، وهي القدرة على تحديد معالم الشبكة بشكل فريد (مثل موقع الجذر، وهياكل الدورات، والعقد الهجينة) من توزيع البيانات الناتجة عن النموذج.
بينما سهّل استخدام عوامل توافق الرباعيات (quartet Concordance Factors - CFs) — وهي ترددات العلاقات الطوبولوجية المكونة من 4 أصول في أشجار الجينات — عملية الاستنتاج تحت نموذج (Network Multispecies Coalescent - NMSC)، إلا أنها تعاني من مشكلات معروفة في عدم قابلية التحديد. وتحديداً، لا يمكن لعوامل توافق الرباعيات تحديد موقع جذر الشبكة أو بعض معالم الدورات الصغيرة (مثل وجود دورات ثنائية أو العقدة الهجينة المحددة داخل الدورات الثلاثية أو الرباعية). ويفترض المؤلفون أن عوامل توافق الخماسي (quintet CFs) (ترددات العلاقات المكونة من 5 أصول) قد تحل هذه الالتباسات، حيث ثبت أنها تحدد مواقع جذور الأشجار الفيلوجينية. ومع ذلك، فإن التعقيد الجبري لحساب عوامل توافق الخماسي للشبكات قد أعاق الدراسة المنهجية لخصائص قابلية التحديد الخاصة بها.
المنهجية يستخدم البحث مزيجاً من التطوير الخوارزمي، والحوسبة الرمزية، والهندسة الجبرية للتحقيق في قابلية تحديد الشبكات الفيلوجينية من المستوى الأول (level-1) باستخدام عوامل توافق الخماسي.
خوارزمية رمزية لحساب عوامل التوافق (CF): طور المؤلفون خوارزمية تكرارية جديدة لحساب الصيغ الرمزية لاحتمالية أي شجرة جينات غير متجذرة (أو شجرة فرعية مكونة من m من الأصول) تحت نموذج NMSC.
بخلاف الطرق السابقة التي تقوم بحصر جميع تاريخ الالتحام (coalescent histories) — وهو أمر غير ممكن حسابياً للاشتقاق الرمزي — تعمل هذه الخوارماية على اختزال الشبكة وشجرة الجينات من خلال النظر في تواريخ الالتحام الجزئية ضمن حواف مفردة.
تتعامل الخوارزمية مع كل من حواف الأشجار والحواف الهجينة. بالنسبة للحواف الهجينة، تقوم "بتقسيم" العقدة الهجينة تكرارياً بناءً على تقسيم السلالات النازلة الداخلة إلى كل حافة أب، بوزن معاملات التهجين (λ).
تقوم الخوارزمية بتحويل أطوال الحواف إلى احتمالات حواف (x=e−ℓ)، مما يضمن أن تكون عوامل التوافق الناتجة دوالاً متعددة الحدود للمعاملات.
تم تنفيذ هذه الخوارزمية في برنامج Macaulay2، مما يسمح بتوليد بارامترات رمزية لأي شبكة.
الإطار الجبري لقابلية التحديد: يعامل المؤلفون الخريطة من معاملات الشبكة إلى عوامل التوافق كخريطة متعددة حدود. ويحللون المثاليّات المتلاشية (vanishing ideals - IN) والمتنوعات الجبرية (algebraic varieties - VN) المرتبطة بهذه الخرائط.
تكون الشبكتان قابلتين للتمييز بشكل عام إذا اختلف المتنوعان المرتبطان بهما.
نظراً لأن حساب قواعد غروبر (Gröbner bases) كاملة لمتعددات الحدود عالية الدرجة غالباً ما يكون غير ممكن، استخدم المؤلفون الماترويدات الجبرية (algebraic matroids) للتمييز بين المتنوعات عندما لا يمكن حساب المثاليّات الكاملة.
كما استخدموا تقنيات التجانس (homogenization) والضمنية متعددة الدرجات (multigraded implicitization) لحساب الثوابت منخفضة الدرجة (حتى الدرجة 4) والتحقق من الأولية والبعد لتأكيد متى تم العثور على المثاليّات الكاملة.
نطاق التحليل: تركز الدراسة على الشبكات ذات الـ 5 أصول، المتجذرة، الثنائية، ومن المستوى الأول (level-1) بدون دورات ثنائية (2-cycles). يعد استبعاد الدورات الثنائية ضرورياً لأن تضمينها سيؤدي إلى عدد لا نهائي من طوبولوجيا الشبكات لـ 5 أصول. ويغطي التحليل جميع "أشجار الكتل" (trees of blobs) الممكنة (الهيكل الشجري الأساسي للشبكة) لـ 5 أصول.
المساهمات الرئيسية
خوارزمية جديدة: خوارزمية تكرارية رمزية لحساب عوامل التوافق لـ m-taxon تحت نموذج NMSC، مُنفذة في Macaulay2.
تصنيف منهجي: تصنيف شامل للمتنوعات الجبرية الناتجة عن عوامل توافق الخماسي لجميع الـ 190 شبكة من المستوى الأول المتجذرة على 5 أصول (باستثناء الدورات الثنائية).
نتائج قابلية التحديد: توصيف دقيق للمعالم الشبكية التي تصبح قابلة للتحديد عند الانتقال من عوامل توافق الرباعيات إلى عوامل توافق الخماسي.
النتائج تنتج النتائج الحسابية بيانات محددة حول قابلية التحديد لأنواع مختلفة من طوبولوجيا الشبكات:
شجرة الكتل (مكتملة الحل/Fully Resolved):
يمكن لعوامل توافق الخماسي تحديد وجود دورة ثلاثية (3-cycle) عند الرأس المركزي لشجرة الكتل.
إذا وجدت دورة ثلاثية مركزية، فلا يمكن تحديد وجود دورات ثلاثية إضافية عند مواضع "الكرز" (المرتبطة بأزواج محددة من الأصول).
موقع الجذر قابل للتحديد بشكل عام، باستثناء الحالات التي يقع فيها الجذر داخل "عنقود" (دورة ثلاثية وحوافها المتدلية) حيث لا يمكن تمييز موقعه الدقيق داخل ذلك العنقود.
العقد الهجينة داخل الدورات الثلاثية ليست قابلة للتحديد بشكل عام، باستثناء القيود التي يفرضها موقع الجذر.
شجرة الكتل (تفرع رباعي/4-multifurcation):
العقدة الهجينة للدورة الرباعية قابلة للتحديد.
موقع الجذر قابل للتحديد في كثير من الحالات، وإن ظل بعض الالتباس قائماً عندما يقع الجذر في عنقود يحتوي على دورة ثلاثية.
وجود دورة ثلاثية في عنقود معين لا يمكن اكتشافه إلا إذا وقع الجذر داخل ذلك العنقود.
ملاحظة: بالنسبة لمواقع جذور معينة على الدورة الرباعية، وجد المؤلفون أدلة عددية (عبر مجموعات الشهود الزائفة واستمرار الهوموتوبي) تشير إلى القابلية للتمييز، لكنهم لم يتمكنوا من تقديم إثبات جبري صارم بسبب الدرجة العالية من الثوابت المفقودة (الدرجات 13، 29، أو 62).
شجرة الكتل (تفرع خماسي/5-multifurcation):
كل من جذر الشبكة ومواقع العقد الهجينة قابلة للتحديد.
الأهمية والادعاءات يزعم البحث أن عوامل توافق الخماسي توفر معلومات أكثر صرامة من عوامل توافق الرباعيات فيما يتعلق بـ موقع الجذر وهياكل الدورات الصغيرة (تحديداً الدورات الثلاثية) في شبكات المستوى الأول.
أساس للاستنتاج: يؤكد المؤلفون أن قابلية التحديد هي شرط ضروري للاتساق الإحصائي. ومن خلال تحديد المعالم القابلة للتحديد، يضع هذا العمل الأساس النظري لطرق الاستنتاج المستقبلية التي تستخدم عوامل توافق الخماسي.
القيود: كان المؤلفون متواضعين في ادعاءاتهم، مشيرين إلى ما يلي:
النتائج محددة لشبكات الـ 5 أصول من المستوى الأول بدون دورات ثنائية.
تعتمد بعض نتائج عدم قابلية التحديد على الثوابت منخفضة الدرجة والماترويدات بدلاً من حساب المثاليّات الكاملة، مما يعني أنها تعكس عدم التمييز فيما يتعلق بالعلاقات الجبرية المعروفة حالياً وليس إثباتات نهائية للتكافؤ.
لا تتناول الدراسة الدورات الثنائية، والتي ستكون موضوع العمل المستقبلي، لأن تضمينها يخلق فئة لانهائية من الشبكات.
يركز التحليل على التمييز الجبري؛ أما القيود شبه الجبرية (اللامساواة) المطلوبة لتحديد المعاملات الحقيقية فلم تُدرس بشكل كامل.
باختصار، يوضح العمل أنه بينما تحل عوامل توافق الخماسي العديد من حالات الالتباس المتأصلة في طرق الرباعيات (خاصة فيما يتعلق بموضع الجذر)، فإنها لا تقضي على جميع مشكلات قابلية التحديد، خاصة فيما يتعلق بالموقع الدقيق للجذور داخل عناقيد الدورات المعقدة.