A deep-learning-based score to evaluate multiple sequence alignments
Diese Arbeit zeigt auf, dass der weit verbreitete Sum-of-Pairs-Score oft daran scheitert, die genauesten Multiples Sequenzalignment zu identifizieren, und schlägt ein auf Deep Learning basierendes Scoring-Framework vor, spezifisch Modell 2, welches alternative Alignments effektiv rankt, um die nachgeschaltete phylogenetische Rekonstruktion zu verbessern.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, eine Gruppe von Menschen aufzustellen, die alle leicht unterschiedliche Versionen derselben Geschichte erzählen. In der Welt der Biologie sind diese „Menschen“ DNA- oder Proteinsequenzen, und die „Geschichte“ ist ihre gemeinsame evolutionäre Geschichte. Wissenschaftler nennen diesen Prozess Multiple Sequenz-Alignment (MSA). Diese Aufstellung korrekt zu bekommen, ist entscheidend, denn wenn die Geschichte durcheinandergebracht wird, werden alle Schlussfolgerungen, die Wissenschaftler über die Evolution dieser Organismen ziehen, falsch sein.
Lange Zeit haben Wissenschaftler eine bestimmte Faustregel verwendet, um zu entscheiden, welche Aufstellung die beste ist. Sie nennen diesen Wert den „Sum-of-Pairs“ (SP)-Score. Denken Sie an den SP-Score wie an einen Lehrer, der ein Gruppenprojekt allein danach bewertet, wie oft die Antworten der Schüler untereinander übereinstimmen. Wenn zwei Schüler dasselbe Wort an derselben Stelle schreiben, erhalten sie einen Punkt. Die Aufstellung mit den meisten Übereinstimmungspunkten gewinnt.
Das Problem
Die Autoren dieser Arbeit haben einen Fehler in diesem Bewertungssystem entdeckt. Nur weil eine Aufstellung die höchste Anzahl an Übereinstimmungspunkten (den besten SP-Score) hat, bedeutet das nicht, dass sie tatsächlich die genaueste Version der Geschichte ist. Es ist wie ein Schüler, der die Antworten perfekt auswendig gelernt hat, um eine hohe Punktzahl zu erreichen, aber den eigentlichen Inhalt der Geschichte völlig missverstanden hat. In vielen Fällen war der „Sieger“ des SP-Scores tatsächlich ein schlechtes Alignment im Vergleich zur wahren, korrekten Version.
Die Lösung: Eine neue Art von Richter
Um dieses Problem zu lösen, haben die Forscher eine Deep-Learning-KI entwickelt, die als klügerer Richter fungiert. Sie schauten nicht nur auf einfache Übereinstimmungen; sie betrachteten eine ganze Sammlung von Hinweisen und Merkmalen innerhalb der Aufstellung. Sie entwickelten zwei verschiedene „Modelle“ (KI-Richter), um das Problem zu lösen:
Modell 1 (Der individuelle Kritiker): Dieses Modell betrachtet eine einzelne Aufstellung und versucht zu erraten, wie weit sie von der Wahrheit entfernt ist. Es ist wie ein Kritiker, der eine einzelne Geschichte liest und ihr eine Punktzahl gibt, basierend darauf, wie genau er sie hält. Dieses Modell war besser darin, die Genauigkeit vorherzusagen als der alte SP-Score, war aber nicht besonders gut darin, das beste aus einer Gruppe von Optionen auszuwählen.
Modell 2 (Der Turnier-Schiedsrichter): Dieses Modell ist der wahre Star. Anstatt eine Aufstellung isoliert zu beurteilen, betrachtet es einen ganzen Satz verschiedener Aufstellungen für dieselbe Geschichte und rankt sie gegeneinander. Es ist wie ein Schiedsrichter bei einem Sportturnier, der alle Teams miteinander vergleicht, um zu entscheiden, wer tatsächlich gewonnen hat, anstatt nur die Statistiken eines einzelnen Teams zu betrachten.
Die Ergebnisse
Als die Forscher diese neuen Modelle testeten, erwies sich Modell 2 als das beste bei der Suche nach dem genauesten Alignment. Es schlug den alten SP-Score, Modell 1 und sogar mehrere andere populäre Computerprogramme, die von Wissenschaftern verwendet werden.
Schließlich zeigten sie, dass, wenn Wissenschaftler diese neue KI verwenden, um die beste Aufstellung auszuwählen, die resultierenden „Stammbäume“ (phylogenetische Rekonstruktionen), die zeigen, wie Organismen miteinander verwandt sind, wesentlich genauer sind. Im Wesentlichen können die Wissenschaftler durch die Verwendung einer klügeren Art, die Alignments zu bewerten, die wahre Geschichte der Evolution mit viel größerer Zuversicht erzählen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.