Разграничение видов на основе последовательностей геномов с доверительными интервалами и усовершенствованными функциями расстояния

Genome sequence-based species delimitation with confidence intervals and improved distance functions
Markus Göker, Jan P. Meier‐Kolthoff, Alexander F. Auch, Hans-Peter Klenk, Hans‐Peter Klenk
2013-02-21

геномная филогенетика на основе расстояний Blastдоверительные интервалыцифровая ДНК-ДНК гибридизациямежгеномные расстоянияразграничение видов
Предпосылки: На протяжении последних 25 лет разграничение видов у прокариот (Archaea и Bacteria) в значительной степени основывалось на ДНК–ДНК-гибридизации (DDH) — трудоёмкой лабораторной процедуре, разработанной в начале 1970-х годов, которая удивительно хорошо выполняла свою задачу в отсутствие расшифрованных последовательностей геномов. В связи с быстрым развитием секвенирования геномов пришло время непосредственно использовать доступные в настоящее время и легко получаемые последовательности геномов для разграничения видов. GBDP (Genome Blast Distance Phylogeny, филогения на основе расстояний, полученных при сравнении геномов методом BLAST) позволяет оценивать расстояния между парами полностью или частично секвенированных геномов, предоставляя цифровой и высоконадёжный показатель родства геномов. Его применение в качестве вычислительной замены DDH было предложено недавно. Основная задача при реализации такого применения заключается в получении цифровых значений DDH, которые максимально близко воспроизводили бы значения DDH, полученные в лабораторных условиях, обеспечивая тем самым согласованность с концепцией вида у прокариот. Результаты: Для определения наиболее эффективных методов и наиболее значимых параметров были использованы корреляционный и регрессионный анализы. GBDP был дополнительно расширен рядом новых функций, включая доверительные интервалы для межгеномных расстояний, получаемые посредством повторной выборки или статистических моделей прогнозирования DDH, а также дополнительным семейством функций расстояния. Как и в предыдущих исследованиях, среди всех протестированных методов GBDP продемонстрировал наиболее высокое соответствие DDH, полученной в лабораторных условиях, однако усовершенствованные модели обеспечили дальнейшее повышение точности прогнозирования DDH. Доверительные интервалы давали стабильные результаты при оценивании на основе статистических моделей, тогда как интервалы, полученные посредством повторной выборки, демонстрировали заметные различия в зависимости от используемых функций расстояния. Выводы: Несмотря на высокую точность прогнозирования DDH на основе GBDP, выводы, основанные на ограниченных эмпирических данных, всегда связаны с определённой степенью неопределённости. Поэтому крайне важно дополнить вычислительные замены DDH оцениванием доверительных интервалов, позволяющим пользователю статистически оценивать...
1
Добавление новых функций расстояния и усовершенствование статистических моделей повысили точность прогнозирования DDH на основе GBDP.
2
Доверительные интервалы, полученные из статистических моделей DDH, были стабильными, тогда как интервалы на основе ресэмплинга существенно различались для разных функций расстояния; поэтому оценка неопределённости необходима.
3
Корреляционный и регрессионный анализ выявил наиболее эффективные методы расчёта расстояний и параметры, наиболее сильно влияющие на прогноз значений DDH.
4
Расстояния между геномами, рассчитанные методом GBDP, были оценены как цифровая замена лабораторной ДНК-ДНК гибридизации для разграничения видов прокариот.
5
Среди проверенных методов GBDP продемонстрировал наибольшее соответствие лабораторным значениям DDH, что согласуется с предыдущими исследованиями.

Геномные последовательности прокариот и межгеномное родство, используемые для разграничения видов

Точность и неопределённость прогнозирования цифровой ДНК–ДНК-гибридизации на основе GBDP, включая усовершенствованные функции расстояния и оценивание доверительных интервалов

Publication Details
Publication Date
2013-02-21
Journal
Publisher
ISSN
Cited by
6769
Access Type
Author Information
Authors
Markus Göker
Jan P. Meier‐Kolthoff
Alexander F. Auch
Hans-Peter Klenk
Hans‐Peter Klenk
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%