AmpliPhy improves gene trees by adding homologous sequences without affecting alignments

Technische Samenvatting: AmpliPhy

Probleemstelling
In de fylogenomica rust de reconstructie van genbomen fundamenteel op twee opeenvolgende stappen: multiple sequence alignment (MSA) en boominferentie. Hoewel het vaststaat dat een dichtere taxon-sampling de genboominferentie over het algemeen verbetert, blijven de specifieke mechanistische effecten van het toevoegen van homologe sequenties aan een bestaande dataset onvoldoende begrepen. Specifiek is er een gebrek aan empirische kennis over hoe de verrijking van homologen de verschillende fasen van de inferentie-pipeline beïnvloedt, inclus\u2019 de kwaliteit van de multiple sequence alignment, de nauwkeurigheid van de boomreconstructie en de correctheid van de boomworteling. Bovendien bestaat de zorg dat het toevoegen van sequenties ruis kan introduceren of alignments kan compliceren zonder dat dit proportionele winst in fylogenetische nauwkeurigheid garandeert.

Methodologie
Om deze hiaten te adresseren, hebben de auteurs grootschalige benchmarks uitgevoerd met behulp van zowel empirische data als simulaties. De studie maakte gebruik van een "verrijkings-verarming"-experimenteel ontwerp om de impact van het toevoegen van homologe sequenties systematisch te kwantificeren. De onderzoekers evalueerden de effecten van deze verrijking over drie specifieke dimensies:

1. Alignment-kwaliteit: Beoordelen of de toevoeging van sequenties de MSA heeft verslechterd of verbeterd.
2. Boomreconstructie: Het meten van de nauwkeurigheid van de geïnferreerde fylogenetische bomen.
3. Worteling: Het analyseren van de plaatsing van de wortel in verrijkte bomen.

Boomnauwkeurigheid werd gekwantificeerd met een metriek gebaseerd op taxonomische congruentie. De studie onderzocht ook de relatie tussen nauwkeurige wortelplaatsing en algehele boomverbetering, met name wanneer gevoelige methode voor het zoeken naar homologen werden toegepast.

Belangrijkste Bijdragen
De primaire bijdrage van dit werk is de ontwikkeling en release van AmpliPhy, een open-source pipeline-software die is ontworpen om de fylogenetische reconstructie van proteïنفamilies efficiënt te verbeteren door middel van homologverrijking. De tool operationaliseert de bevindingen dat het toevoegen van homologen een praktische route kan zijn naar hogere nauwkeurigheid naarmate sequentiedatabases groeien.

Resultaten
De benchmarks leverden verschillende duidelijke bevindingen op:

• Boominferentie: Homologverrijking verbeterde consistent de kwaliteit van de boominferentie.
• Alignment-kwaliteit: De effecten van het toevoegen van sequenties op de kwaliteit van de multiple sequence alignment bleken marginaal te zijn.
• Worteling: De geobserveerde verbetering in boominferentie is geassocieerd met, maar niet strikt beperkt tot, een nauwkeurigere wortelplaatsing wanneer gevoelige zoekmethoden voor homologen worden gebruikt.
• Efficiëntie: Een aanzienlijk deel van de fylogenetische voordelen kan behouden blijven, zelfs wanneer relatief compacte alignments worden gebruikt die voortkomen uit het proces van sequentietoevoeging, wat suggereert dat uitputtende, massale alignments niet altijd nodig zijn om de winsten te verzilveren.

Betekenis
Het artikel positioneert AmpliPhy als een praktische oplossing om het groeiende volume aan sequentiedata in databases te benutten voor het verbeteren van fylogenomische analyses. Door aan te tonen dat homologverrijking de boomnauwkeurigheid verbetert zonder de alignment-kwaliteit significant te compromitteren, valideert dit werk een strategie van "meer data toevoegen" aan bestaande pipelines. De beschikbaarheid van de software stelt onderzoekers in staat om deze verrijkingsstrategieën toe te passen om de reconstructie van proteïنفamilies te verbeteren, waarbij de tool toegankelijk is via de DessimozLab GitHub-repository.