Methodological pitfalls in plant pangenome gene family identification may lead to biased evolutionary inferences

본 연구는 파angenome 유전자 패밀리를 식별할 때 서열 유사성에만 의존하면 진화적 추론에 상당한 편향이 발생함을 입증하고, 정확한 결과를 보장하기 위해 그래프 기반 오톨로지 및 서열 정제를 결합한 2 단계 전략을 제안한다.

핵심

401 개의 서로 다른 가계부 (이 경우 401 개의 서로 다른 벼 식물) 에서 나온 책들이 담긴 거대한 도서관을 정리하려고 한다고 상상해 보십시오. 당신의 목표는 이야기의 유사성에 따라 이 책들을"가족"단위로 묶는 것입니다. 모든 가계부에 공통으로 존재하는 동일한 이야기 (핵심 이야기) 도 있고, 몇몇 가계부에서만 공유되는 이야기 (껍질) 도 있으며, 오직 한 가계부에만 고유한 이야기 (구름) 도 있습니다.

이 논문은 과학자들이 이러한 책 가족들을 분류해 온 방식에 대한 경고입니다.

문제: 표지 아트만으로 분류하기
많은 연구자들이 이러한 책들을 분류하기 위해 빠르고 자동화된 방법을 사용해 왔습니다. 그들은"표지 아트"(DNA 의 문자 서열) 를 보고, 표지가 충분히 비슷해 보이면 책들을 한 그룹으로 묶습니다. 그들은 실제 줄거리나 책의 역사를 확인하지 않은 채 이렇게 합니다.

이 논문의 저자들은 이것이 책의 등판 색깔만 훑어보며 도서관을 분류하려는 것과 같다고 말합니다. 안쪽의 이야기가 완전히 다르더라도 등판이 모두 빨간색이라는 이유만으로 미스터리 소설을 로맨스 소설 옆에 실수로 배치할 수 있습니다. 과학적 용어로, 이러한"표지 전용"방법 (cd-hit 나 MMseqs2 같은 도구를 단독으로 사용하는 것) 은 서로 다른 유전자 군들을 뒤섞어 실제보다 적고 엉망인 그룹을 만들어내는 경향이 있습니다.

실험: 다섯 가지 유명한 가족에 대한 테스트
이를 입증하기 위해 연구자들은 벼 유전자의 다섯 가지 매우 중요한 그룹 (bHLH, MYB, NAC, WRKY, MADS-box 라는 다섯 가지 유명한 책 시리즈로 생각하십시오) 을 가져와 네 가지 다른 전략을 사용하여 분류해 보았습니다:

1. 빠른 분류: 단순히"표지 아트"유사성 도구만 사용합니다.
2. 역사 확인: 계통 발생 (phylogeny) 과 서열 배열 (synteny) 을 분석하여 가계도와 책의 진열 방식을 살펴보는 더 정교한 도구 (OrthoFinder) 를 사용합니다.
3. 하이브리드 접근법: 먼저"역사 확인"으로 큰 그림을 파악한 후, 세부 사항을 다듬기 위해"빠른 분류"를 사용합니다.

결과: 혼란 대 명확성
결과에 따르면"빠른 분류"방법은 많은 실수를 저질렀습니다.

• 혼동: 유전자 가족에 따라 빠른 방법들은 정확한"역사 확인"방법과 14% 에서 57% 까지 서로 다른 결과를 보였습니다. MYB 가족의 경우, 책의 절반 이상이 잘못된 더미로 분류되었습니다!
• 크기 문제: 빠른 방법들은 종종 책의 길이가 다르다는 이유만으로 유전자를 혼동했습니다. 마치 표지가 비슷하다는 이유만으로 단편 소설을 장편 소설과 묶는 것과 같습니다.
• 영향: 더미가 잘못되었기 때문에, 과학자들이 어떤 유전자가"핵심"(전반에 존재) 이고 어떤 유전자가"구름"(희귀) 인지에 대한 분류가 극적으로 바뀌었습니다.

진화적 결과: 잘못된 줄거리 읽기
가장 중요한 발견은 이러한 유전자들이 어떻게 진화했는지에 관한 것이었습니다. 과학자들은 종종 다양한 유형의 돌연변이 (Ka/Ks) 의 속도를 비교하여"선택 압력"(자연이 유전자를 변화시키도록 얼마나 강하게 밀고 있는지) 을 측정합니다.

• "빠른 분류"를 사용할 때, 결과는 잡음으로 가득 찬 라디오처럼 제각각이었습니다.
• "역사 확인"(그래프 기반) 방법을 사용할 때, 결과는 명확하고 일관되었습니다.
• 흥미롭게도, 희귀한"구름"유전자의 경우 방법이 크게 중요하지 않았지만, 흔한"핵심"유전자의 경우 잘못된 분류 방법을 사용하면 진화에 대한 완전히 잘못된 결론에 도달하게 되었습니다.

해결책: 두 단계 전략
이 논문은 단순한 유사성만으로는 신뢰할 수 없다고 결론 내립니다. 대신 그들은 두 단계 전략을 권장합니다:

1. 먼저, 가계도를 만드십시오: 유전자 군 사이의 주요 선을 그을 수 있도록 진화적 역사를 이해하는 방법을 사용하십시오.
2. 다음으로, 세부 사항을 다듬으십시오: 해당 그룹의 가장자리를 정리하기 위해 빠른 유사성 도구를 사용하십시오.

간단히 말해: 벼 유전자의 진화적 이야기를 이해하고 싶다면 표지만 보면 안 됩니다. 먼저 가족 역사를 읽어야 합니다. 그렇지 않으면 결코 일어난 적이 없는 이야기를 전하게 될 것입니다.

기술 요약

기술적 요약: 식물 팬지놈 유전자 군 식별 방법론적 함정

문제 제기
현재 식물 팬지놈 분석 관행은 종종 유전자 군을 식별하기 위해 서열 유사성 클러스터링 알고리즘에 의존합니다. 이러한 접근 방식이 계통 발생 관계나 시너지 정보를 통합하지 않고 작동한다는 점에서 중요한 방법론적 격차가 존재합니다. 본 논문은 서열 유사성에만 의존하는 이러한 관행이 특히 정동위성 (orthology) 할당과 이에 따른 선택 압력 추정에 관해 생물학적으로 오해의 소지가 있는 진화적 추론을 생성할 위험이 있다고 주장합니다.

방법론
서열 유사성 클러스터링 전략의 영향을 평가하기 위해, 본 연구는 401 개 벼 팬지놈 접근성 (accessions) 데이터셋을 대상으로 bHLH, MYB, NAC, WRKY, MADS-box 등 5 대 전사 인자 군을 분석했습니다. 저자들은 네 가지 서로 다른 계산적 접근법을 비교했습니다:

1. OrthoFinder 단독: 그래프 기반 정동위성 추론 방법.
2. cd-hit 단독: 서열 유사성 기반 클러스터링 도구.
3. MMseqs2 단독: 또 다른 서열 유사성 기반 클러스터링 도구.
4. 하이브리드 전략: cd-hit 또는 MMseqs2 를 사용하여 OrthoFinder 로부터 정보를 얻어 정제하는 방법.

본 연구는 OrthoFinder 기준에 대한 충돌하는 클러스터 할당을 측정하고, 코어 (core), 쉘 (shell), 클라우드 (cloud) 유전자 분류의 변화를 분석하며, 코어 및 비코어 유전자에 대한 Ka/Ks 비율 (선택 압력 측정치) 분포를 검토함으로써 이러한 방법들을 평가했습니다.

주요 결과
분석 결과, 순수한 서열 유사성에 의존하는 방법과 그래프 기반 정동위성을 통합하는 방법 사이에 상당한 불일치가 드러났습니다:

• 정군 (Orthogroup) 병합: 순수한 서열 유사성 기반 방법 (cd-hit 및 MMseqs2) 은 서로 다른 정군들을 병합하는 경향이 있어, 그래프 기반 접근법에 비해 식별된 정군의 총 수가 감소했습니다.
• 군별 변동성: 클러스터 할당에서의 충돌 정도는 유전자 군 간에 현저히 달랐습니다. OrthoFinder 와 비교할 때, MADS-box 군에서는 약 14% 에서 MYB 군에서는 최대 57% 까지 충돌이 발생했습니다. 이러한 충돌은 단백질 길이 차이와 밀접하게 연관되어 있었습니다.
• 분류 변화: 유전자를 코어, 쉘, 클라우드 풀로 분류하는 방식은 선택된 방법에 따라 크게 변했으며, 이는 MYB, NAC, WRKY 군에서 가장 두드러지게 관찰되었습니다.
• 선택 압력 추정: 코어 유전자의 Ka/Ks 분포는 방법론에 매우 민감했습니다. 정동위성을 고려한 방법은 더 수렴적이고 변동성이 적은 선택 압력 추정을 산출했습니다. 반면, 비코어 유전자에 대한 추정은 서로 다른 방법 간에 상대적으로 견고하게 유지되었습니다.

의의 및 권장 사항
본 논문은 팬지놈 연구에서 그래프 기반 정군 추론을 간과하면 진화적 해석을 왜곡할 수 있는 방법론적 인공물을 도입한다고 결론지었습니다. 구체적으로, 이러한 인공물의 과대 평가는 코어 유전자 진화율 추정의 정확성을 훼손합니다.

이러한 문제를 완화하기 위해 저자들은 진화적 정확성과 해상도 사이의 균형을 맞추기 위한 2 단계 전략을 제안합니다:

1. 초기 구분: 견고한 진화적 틀을 확립하기 위해 그래프 기반 정군 추론 (예: OrthoFinder) 으로 시작합니다.
2. 정제: 초기 그래프 기반 군에 서열 유사성 기반 정제 (예: cd-hit 또는 MMseqs2) 를 적용합니다.

이 접근법은 순수 서열 유사성 클러스터링에 내재된 편향을 수정하면서 대규모 팬지놈 연구에 필요한 해상도를 유지하는 것을 목표로 합니다.