Evolution is Not Always Bifurcating: ATLAZ and the Geometric Resolution of Reticulate Virology

技術要約：ATLAZと網状進化の幾何学的解明

問題提起
本論文は、網状ウイルス進化（reticulate viral evolution）の生物学的実態と、それを研究するために用いられる計算モデルとの間にある、根本的な数学的不整合を指摘している。従来の系統解析アルゴリズム（例：IQ-TREE、RAxML、BEAST）は、厳密に分岐する樹状構造（有向非巡回グラフ）に依存している。これらのモデルは垂直的な継承を前提としており、ゲノム系統を強制的に樹状トポロジーへと押し込める。しかし、多くのウイルス集団は、ヘパチティスB（HBV）やHIV-1における組換え、あるいはインフルエンザAにおける再集合（reassortment）といった水平的な交換メカニズムを経験する。網状イベントが発生すると、系統は収束し、物質を交換し、生物学的な「ループ」を形成する。これらの配列を分岐する樹状構造に強制的に当てはめると、人工的な祖先ノードの推定、枝長の膨張、そして真の進化起源の隠蔽といった、深刻なトポロジーの歪みが生じる。さらに、HBVのようなウイルスに見られる一般的な特徴である重複したオープンリーディングフレーム（ORF）に対して標準的な選択指標である $dN/dS$ を適用することは、数学的に成立しない。なぜなら、あるフレームにおける同義置換は、必然的に別のフレームにおいては非同義置換となるからである。

トポロジカル・データ解析（TDA）、特にパーシステント・ホモロジーは、これらのループ（1次元ホモロジー $H_1$ として表現される）を検出するための厳密な幾何学的枠組みを提供するが、その実用的な適用は壊滅的な計算上のボトルネックによって制限されてきた。標準的なヴィエトリス・リップス複体（Vietoris-Rips complex）の構築は、配列数 $N$ に対して指数関数的（$O(2^N)$）にスケールアップする。既存のPythonやRといった解釈型言語による実装は、1,200配列を超えるデータセットを処理しようとすると、メモリ枯渇（Out-of-Memoryエラー）やガベージコレクションのオーバーヘッドに直面する。

手法：ATLAZエンジン
これらの限界を解決するために、著者らは、システムレベルのプログラミング言語である Zig で完全に書き上げられた、プロダクション・グレードのメモリ決定論的幾何学エンジンである ATLAZ（Alignment, Topology, and Lineage Analysis in Zig）を提示する。そのアーキテクチャは、解釈型言語のオーバーヘッドを回避し、ハードウェアの物理的限界で動作するように設計されている。

• ゼロコピー・データ・インジェスチョン： ATLAZは、ネイティブなメモリマップドI/O（mmap）を利用して、生のFASTAファイルや事前計算された距離行列をCPUレジスタに直接取り込み、ヒープ割り当てを回避する。ヌクレオチドは、最適なキャッシュ利用のために2ビットの構造配列（SoA）へと圧縮される。
• 疎なフィルタリングとランドマーク法： ヴィエトリス・リップス複体生成の指数関数的な複雑さを解消するため、ATLAZは Max-Min ランドマーク・ウィットネス・リップス（Max-Min Landmark Witness-Rips） アプローチを採用している。これは、全集団からの幾何学的ウィットネスを介して、配列の疎な部分集合を幾何学的ランドマーク（$L$、デフォルト400）として決定論的にサンプリングする。これにより、幾何学的複雑度の最悪計算量は、全集団サイズ $N$ に依存せず、$O(L^3)$ に抑えられる。
• ネイティブ・ガロア体簡約： エンジンは、ゼロコピーのC-ABI境界とSIMD加速命令を用いて、ガロア体 $GF(2)$ 上の境界行列簡約を実行する。中間代数ベクトルは、局所的な ArenaAllocator インスタンス内で管理され、厳密なメモリ決定性を保証し、ヒープ断片化を防ぐ。
• 二重の動作モード：
  • S-ATLAZ (クローナル・モード)： 垂直的継承（例：エボラ、ジカ）向けに調整されており、些細な分散を単一の連結成分（$H_0$）へと崩壊させるために広いフィルタリング半径（$\epsilon_{max} = 0.15$）を用いる。
  • R-ATLAZ (網状モード)： 組換え・再集合（例：HBV、インフルエンザ）向けに調整されており、高次元のトポロジカル・ループ（$H_1$）を保持するために厳格な近接パラメータ（$\epsilon_{max} = 0.05$）を用いる。
• トポロジカル選択スコア (TSS)： 著者らは、逐次的なカラム・アブレーション（列除去）を通じて算出される新しい指標を導入した。特定のヌクレオチド列に対して距離行列を局所的に変異させ、スライス・ワッサーシュタイン最適輸送（Sliced Wasserstein optimal transport） を用いてグローバルな永続性図（persistence diagram）への摂動を測定することで、ATLAZは完全な行列再構成（$O(N^2 \times L_{length})$）を必要とせずに、特定のゲノム領域の構造的剛性を定量化する。

主な結果
本エンジンは、進化トポロジーのスペクトラムを代表する5つのウイルス・コホートに対して検証された：

1. 厳密なクローナル継承の証明： エボラ（$N=710$）、マールブルグ（$N=185$）、およびジカ（$N=412$）のデータセットにおいて、ATLAZはベッチ数 $\beta_1 = 0$ を算出した。これは、これらのアウトブレイクが、相同組換えや水平的なセグメント転移を伴わず、排他的に垂直的かつクローナルな継承によって伝播したという、厳密な幾何学的証明を提供する。
2. 高密度な網状構造の検出：
   • ヘパチティスB (HBV)： グローバル・コホート（$N=6,412$）の分析により、843個の高度に永続的な $H_1$ ループ（$\beta_1 = 843$）が明らかになった。これらのループは、遺伝子型間の組換えイベント（例：B/CおよびA/D組換え体）に直接対応しており、ヒューリスティックなスライディング・ウィンドウ近似を用いることなく、網状の景観をマッピングしている。
   • 鳥インフルエンザ (H5N1/H7N9)： データセット（$N=3,105$）は、野生の貯蔵庫と家禽の間を繋ぐマクロ進化的な再集合イベントを幾何学的に捉える、大規模で長寿命な $H_1$ 特徴を示した。
   • HIV-1： グローバル・コホート（$N=2,522$）は $\beta_1 = 312$ を示し、逆転写中の広範な組換えを裏付けた。
3. 構造的剛性のマッピング： TSSは、HBVポリメラーゼ遺伝子の YMDDモチーフ が「絶対的不変性」（TSSが最大偏差に接近）を持つことを特定した一方で、可変領域は極めて低いTSSを示した。これにより、ウイルスの生存に不可รรมな正確なヌクレオチド制約が幾何学的に定義され、直接作用型抗ウイルス薬の標的が特定された。
4. 計算性能： 16 GB RAMを搭載した標準的なx86_64ハードウェア上で、ATLAZは6,412配列のHBVコホートを 4.2秒 で処理し、ピークメモリ使用量は 11.4 MB であった。対照的に、レガシーなPython（Ripser, Scikit-TDA）やR（TDAstats）の実装は、1,200配列を超えるデータセットを処理しようとすると、メモリ不足によるエラーやハングアップが発生した。

意義および主張
本論文は、ATLAZが「分岐の公理」から進化解析を解放することにより、計算ウイルス学における新しい数学的に厳密な標準を確立したと主張している。著者らは以下の通り述べている：

• 幾何学的精度： ATLAZは、確率的な統計推論ではなく、進化トポロジーの正確かつ決定論的な測定を提供する。非ゼロの $\beta_1$ は、確率的な推定ではなく、配列空間の決定的な構造的特性として提示される。
• スケーラビリティ： Zigによるメモリ決定論的なパイプライン・エンジニアリングにより、ATLAZは、これまでTDAを理論的な概念実証に限定してきたソフトウェア工学上の失敗を克服している。これにより、以前は計算上不可能であった大規模な臨床コホートの分析が可能になる。
• パラダイムシフト： 組換えブレークポイントや構造的制約を数秒で幾何学的にマッピングできる能力は、数ヶ月に及ぶ労力のかかるスクリーニングを即時の幾何学的計算に置き換える、創薬および疫学的追跡におけるパラダイムシフトをもたらす。
• 今後の軌道： 著者らは、ATLAZを BioZig エコシステムの基礎となるトポロジカル・ロジック・ゲートとして位置付けている。今後の課題は、マルチプル配列整列（MSA）にこれらのトポロジカル不変量を直接統合し、生のリードから進化の軌跡に至るまで、完全に決定論的でトポロジー情報を備えたパイプラインを構築することである。