AmpliPhy improves gene trees by adding homologous sequences without affecting alignments

Sintesi Tecnica: AmpliPhy

Problematica
Nella filogenomica, la ricostruzione degli alberi genici si basa fondamentalmente su due fasi sequenziali: l'allineamento di sequenze multiple (MSA) e l'inferenza dell'albero. Sebbene sia stabilito che un campionamento tassonomico più denso migliori generalmente l'inferenza dell'albero genico, gli effetti meccanicistici specifici dell'aggiunta di sequenze omologhe a un dataset esistente rimangono scarsamente compresi. Nello specifico, manca una conoscenza empirica su come l'arricchimento di omologhi influenzi le diverse fasi della pipeline di inferenza, inclusa la qualità dell'allineamento di sequenze multiple, l'accuratezza della ricostruzione dell'albero e la correttezza del radicamento dell'albero. Inoltre, sussistono preoccupazioni secondo cui l'aggiunta di sequenze potrebbe introdurre rumore o complicare gli allineamenti senza garantire guadagni proporzionali nell'accuratezza filogenetica.

Metodologia
Per affrontare queste lacune, gli autori hanno condotto benchmark su larga scala utilizzando sia dati empirici che simulazioni. Lo studio ha impiegato un design sperimentale di "arricchimento-impoverimento" per quantificare sistematicamente l'impatto dell'aggiunta di sequenze omologhe. I ricercatori hanno valutato gli effetti di questo arricchimento attraverso tre dimensioni specifiche:

1. Qualità dell'allineamento: Valutare se l'aggiunta di sequenze abbia degradato o migliorato l'MSA.
2. Ricostruzione dell'albero: Misurare l'accuratezza degli alberi filogenetici inferiti.
3. Radicamento: Analizzare il posizionamento della radice negli alberi arricchiti.

L'accuratezza dell'albero è stata quantificata utilizzando una metrica basata sulla congruenza tassonomica. Lo studio ha inoltre investigato la relazione tra un posizionamento accurato della radice e il miglioramento complessivo dell'albero, in particolare quando vengono utilizzati metodi di ricerca di omologhi sensibili.

Contributi Chiave
Il contributo primario di questo lavoro è lo sviluppo e il rilascio di AmpliPhy, un software di pipeline open-source progettato per migliorare efficientemente la ricostruzione filogenetica delle famiglie proteiche attraverso l'arricchimento di omologhi. Lo strumento operazionalizza i risultati che dimostrano come l'aggiunta di omologhi possa essere una via pratica per una maggiore accuratezza man mano che i database di sequenze si espandono.

Risultati
I benchmark hanno prodotto diversi risultati distinti:

• Inferenza dell'albero: L'arricchimento di omologhi ha costantemente migliorato la qualità dell'inferenza dell'albero.
• Qualità dell'allineamento: Gli effetti dell'aggiunta di sequenze sulla qualità dell'allineamento delle sequenze multiple sono risultati marginali.
• Radicamento: Il miglioramento osservato nell'inferenza dell'albero è associato, sebbene non limitato esclusivamente, a un posizionamento più accurato della radice quando vengono utilizzati metodi di ricerca di omologhi sensibili.
• Efficienza: Una parte significativa dei benefici filogenetici può essere mantenuta anche utilizzando allineamenti relativamente compatti prodotti dal processo di aggiunta di sequenze, suggerendo che allineamenti massivi ed esaustivi non siano sempre necessari per catturare i guadagni.

Significato
Il documento posiziona AmpliPhy come una soluzione pratica per sfruttare l'espansione del volume di dati di sequenza nei database per migliorare le analisi filogenomiche. Dimostrando che l'arricchimento di omologhi migliora l'accuratezza dell'albero senza compromettere significativamente la qualità dell'allineamento, il lavoro valida una strategia di "aggiungere più dati" alle pipeline esistenti. La disponibilità del software consente ai ricercatori di applicare queste strategie di arricchimento per migliorare la ricostruzione delle famiglie proteiche, con lo strumento accessibile tramite il repository GitHub di DessimozLab.