大型シーケンスのデータベースから生命の樹を構築する見通し

科学分野:

• バイオインフォマティックス
• 分子進化は分子進化である
• コンピュータ生物学 コンピュータ生物学

背景:

• Swiss-ProtやGenBankのような大規模なタンパク質配列データベースは,生物学的研究にとって重要なリソースです.
• これらの膨大なデータセットの系統学的有用性を評価することは,進化の歴史を理解するために不可欠です.
• データベースのサンプリングバイアスは,情報的な系統遺伝データセットの構築に課題をもたらす可能性があります.

研究 の 目的:

• 主要な生物学的データベースからのタンパク質配列の系統遺伝的可能性を評価する.
• データベースの制限にもかかわらず,情報的なサブセットを抽出できるかどうかを判断する.
• 極めて不完全なデータセットを用いた系統遺伝分析の可行性を評価する.

主な方法:

• スイス・プロットとGenBank.Bankから約30万個のタンパク質配列を分析した.
• より大きなデータセット内の系統遺伝学的に情報的なサブセットの識別.
• 大量の欠落したデータ (92%まで) を含む"スーパーマトリックス"の構築と分析.

主要な成果:

• タンパク質配列の小さなサブセットは,有意な分類的多様性を保持した.
• これらのデータベースから派生した系統学的データセットは,サンプリングバイアスのために欠落したエントリの割合が高いことが多い.
• 超行列の分析は,最大92%の欠落したデータであっても,広範な進化の洞察は達成可能であることを示しました.

結論:

• タンパク質配列データベースは,データが少ない場合でも,系統遺伝的可能性を秘めています.
• 系統遺伝分析は,非常に不完全なデータセットで実行可能であり,生命の樹への洞察を提供します.
• 慎重なデータ選択と分析方法は,進化論の研究のためのデータベースの制限を克服することができます.