Direct whole-plastome alignment systematically inflates long-branch artifacts in chloroplast phylogenomics: a 468-paper audit and three-method reanalysis
468本の葉緑体系統ゲノミクス論文に関する包括的な監査により、全プラスチドゲノムの直接的な多重配列アライメントは、逆転反復配列や遺伝子再編成といった未対処の構造的複雑性に起因して、ロングブランチアーティファクトを系統的に増幅させていることが明らかになり、系統学的正確性を確保するために構造を考慮したアライメント戦略の採用が必要であることが示された。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
植物は、日光を食物に変える緑色のオルガネラ（細胞小器官）である葉緑体の中に、遺伝的な指示が記された小さく完結した「図書室」を携えています。何十年もの間、科学者たちはこれらの図書室を利用して植物界の家系図を辿り、どの種が近縁であり、どの種が遠い親戚であるかを解明してきました。この方法の標準的なやり方は、図書室の特定の安定した部分から遺伝コードを取り出し、それらを他の植物の同じ部分と横に並べて比較し、その差異を見て歴史をマッピングするというものです。この手法は、遺伝コードを明確な「章」の集合として扱うことで、比較を公平かつ正確なものにしているため、うまく機能します。しかし、完全な遺伝的図書室は複雑な構造を持っており、種の間で、入れ替わったり、スワップしたり、長さが変わったりするセクションが存在します。研究者が、単なる安定した「章」だけでなく、図書室全体を一度に並べようとすると、不一致のあるセクションを無理に結合させてしまい、植物の親縁関係について誤った図を描いてしまうリスクがあります。
東華大学の徐志傑（Zhi-Jie Xu）による最近の研究は、遺伝的図書室全体を並べるというこのショートカットが、どの程度の頻度でエラーを引き起こすかを調査しました。研究者は、植物の家系図を構築するために葉緑体ゲノムを使用した、2023年後半から2026年後半までに発表された468件の学術論文を精査しました。その目的は、全ゲノムのアライメント（配列並列）という一般的な慣行が、系統的に誤った結果を生み出していないか、具体的には、一部の植物の枝を人工的に長く、親戚から遠く見せていないかを確認することでした。最も疑わしい事例に対して、3つの異なる、より慎重な手法を用いて再解析を行った結果、このショートカットが実際に問題を引き起こしていることが判明しました。レビューされた論文の約7.7パーセントにおいて、元の論文に示されていた長く奇妙な枝は、より厳格な手法でデータを分析すると消失するか、あるいは大幅に短くなっていました。これは、最近の多くの研究において、植物の家系図が歪められた原因が植物の生物学的な性質ではなく、遺伝データの並べ方にあったことを示唆しています。
この問題は、葉緑体ゲノムの物理的な性質に由来します。ゲノムは4つの部分で構成されており、そのうち2つは互いに鏡合わせのような大きなセクションであり、もう1つの小さなセクションは向きが反転（フリップ）することがあります。科学者が短いDNA断片からゲノムを組み立てる際、コンピュータはしばしばその小さなセクションがどちらの向きを向いているかを判別できません。もし研究者が、この向きを確認せずに、ある植物の全ゲノムを別の植物に対してアライメントしようとすると、コンピュータは反転したセクションを反転していないものに強制的に一致させようとします。これが、膨大な量の人工的なギャップやミスマッチを生み出す原因となります。コンピュータは、この強制されたミスマッチを、膨大な量の進化的な変化として解釈します。その結果、その植物につながる枝が実際よりもはるかに長く見えてしまうのです。この現象は「ロングブランチ・アトラクション（長枝誘引）」として知られており、コンピュータがその植物を家系図の誤った場所に配置してしまう原因となります。つまり、両者がアライメントのエラーを共有しているという理由だけで、無関係な種と一緒にグループ化されてしまうのです。
この問題がどの程度蔓延しているかをテストするため、研究者は植物ゲノム研究を多数発表しているジャーナルの論文を監査しました。468件の論文のうち、53件が疑わしいほど長い枝や奇妙な樹形を持っているとしてフラグを立てられました。これらの候補のそれぞれに対し、3つの独立した戦略を用いて再解析を行いました。第1の戦略は、元の論文で使用された一般的なワークフローを模倣し、全ゲノムを直接アライメントするものでした。第2の戦略は、DNAの自然な構造を尊重し、再配置された部分を無視して、ゲノムを小さく局所的に一致するブロックに分割するものでした。第第三の戦略は、研究対象となっているすべての植物に存在するシングルコピー遺伝子のみに焦点を当て、乱れた領域を完全に回避するものでした。結果は明白でした。53件のうち36件において、第1の手法では元の長い枝が再現されましたが、第2および第3の手法を用いると、その枝は消失するか大幅に短縮されました。これにより、元の樹形は生物学的なシグナルではなく、アライメントプロセスのアーティファクト（人工的な産物）であった可能性が高いことが確認されました。
研究はさらに、これらのエラーの物理的な原因を突き止めるべく深く掘り下げました。問題のある植物のDNA配列を正常なものと比較したところ、エラーの大部分は特定の構造的問題に関連していることが分かりました。17件では、ゲノムの小さなセクションが誤った方向に反転しており、アライメントソフトウェアが対処できないミスとなっていました。別の16件では、ゲノムがより複雑な再配置を起こし、遺伝子の順序が入れ替わっていました。鏡像セクションの拡張によるケースはわずか2件でした。この構造的な診断により、エラーがランダムなものではなく、DNAがどのように構成され、研究者がそれをどのようにアライメントしたかに直接結びついていることが裏付けられました。研究では、2023年にはこれらのエラーの発生率が約20パーセントと顕著に高かったものの、その後数年間で約6.7パーセントに低下したことが指摘されており、コミュニティがこの問題に対して徐々に認識を高めていることを示唆していますが、依然として根強い問題として残っています。
この監査における決定的な発見は、研究報告における透明性の欠如でした。エラーが確認された36件の論文はすべて補足ファイルが付随していましたが、アライメント行列や樹形を構築するために使用された具体的なルールといった、実際のコンピュータ読み取り可能なデータファイルは含まれていませんでした。これらのファイルがなければ、他の科学者はその作業をチェックしたり、結果を検証するために分析を再現したりすることができません。研究者は、これが科学の進歩に対する大きな障壁であると主張しています。これらのファイルを共有するための技術はすでに存在しており、それを義務付けることは困難ではありません。生データとアライメントのルールを公開することで、ジャーナルは出版される家系図が堅牢で再現可能であることを保証できます。本研究は、直接的な全ゲノムアライメントは魅力的なショートカットではあるものの、決して中立なものではないと結論付けています。それは進化的な距離の外見を系統的に膨張させ、植物の親縁関係に関する誤った結論を導きかねません。こうした落とし穴を避けるために、研究者は特定の遺伝子を抽出するか、葉緑体ゲノムの独特なアーキテクチャを尊重する構造認識型のツールを使用し、樹形を構築する前に必ず構造的な反転を確認することが推奨されます。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。