[논문]암 유전자 배열에서 체세포 돌연변이 발견을 위한 유전자형 조사 시스템

박수영; 정채영

doi:10.6109/jkiice.2013.17.12.3009

암 유전자 배열에서 체세포 돌연변이 발견을 위한 유전자형 조사 시스템
Genotype-Calling System for Somatic Mutation Discovery in Cancer Genome Sequence 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.17 no.12, 2013년, pp.3009 - 3015

박수영 (Department of Computer Science & Statistics, Chosun University) , 정채영 (Department of Computer Science & Statistics, Chosun University)

초록
AI-Helper

차세대 시퀀싱(NGS)은 암에서 전사체 싱글 뉴클레오티드 변형 발견과 모든 지놈 발견을 가능하게 한다. 어느 한 위치에서 배열된 다수의 짧은 리드 시퀀스로부터 개인의 유전자형을 결정하는 가장 기초적인 방법이다. Byesian 알고리즘은 사후 유전자형 확률을 사용하여 파라미터 추정한다. 또 다른 방법인 EM 알고리즘은 최대 가능성 추정 방법을 사용해서 관측된 데이터에서 파라미터를 추정한다. 본 논문에서는 새로운 유전자형 조사 시스템을 제안하고 시퀀싱 에러 비율과 체세포 돌연 변이 상태 그리고 유전자형 확률의 사후 추정치에 관한 샘플 크기(S = 50, 100, 500)의 영향을 비교 분석하였다. 그 결과 작은 샘플 크기 50에서도 Byesian 알고리즘을 사용하여 추정한 파라미터가 EM 알고리즘 보다 더 정확하게 실제 파라미터에 근접하였다.

Abstract ▼ AI-Helper

Next-generation sequencing (NGS) has enabled whole genome and transcriptome single nucleotide variant (SNV) discovery in cancer and method of the most fundamental being determining an individual's genotype from multiple aligned short read sequences at a position. Bayesian algorithm estimate parameter using posterior genotype probabilities and other method, EM algorithm, estimate parameter using maximum likelihood estimate method in observed data. Here, we propose a novel genotype-calling system and compare and analyze the effect of sample size(S = 50, 100 and 500) on posterior estimate of sequencing error rate, somatic mutation status and genotype probability. The result is that estimate applying Bayesian algorithm even for 50 of small sample size approached real parameter than estimate applying EM algorithm in small sample more accurately.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서 유전자형 조사 시스템의 기능을 향상시키기 위하여 뉴클레오티드-리드 에러 비율과 체세포 돌연변이 그리고 유전자형 빈도를 이용하였다. 본 논문에서는 샘플 데이터의 가능성(likelihood)을 기반으로 유전자형 조건확률를 제안하고 파라미터를 정확하게 추정함으로써 유전자형 분류오류를 최소로해야만 하는 뉴클레오티드-리드 에러 비율과 체세포 돌연변이 그리고 유전자형 빈도수에 대해 일관적이고 점근적으로 효과적인 추정치를 보장하였다.
종양 시퀀스 연구의 주요 목적은 종양 조직과 그것과 매치되는 정상 조직의 한 위치에서 유전자 타입을 비교함으로써 체세포 돌연변이를 추론하는 것이다. 유전자형 조사 알고리즘 중에 하나인 Byesian 알고리즘은 smatool과 GATK 같은 여러 시퀀스 분석 툴에서 SNP 조사에 사용되어져왔다.

가설 설정

그 위치에서 종양 내에 있는 이형 유전자 V의 T_i 카피들로부터 Y_i번의 대립유전자 관찰했고 정상 세포내에서 이형 유전자 V의 N_i 카피로부터 X_i번 대립유전자를 관찰했다. 대립 유전자 V가 대립 유전자 R로 잘못 생각될 확률과 대립 유전자 R이 대립 유전자 V로 잘못 생각될 확률은 같다고 가정하고, 이 에러 확률을 ɑ라고 표시한다. 실제 유전자타입(VV, RV, RR)과 독립적인 관찰로 주어진 이형 유전자 수는 이산변량 분포를 따른다[4].

제안 방법

제안하는 시스템의 흐름은 다음과 같다. 10명의 서로 관련되지 않는 사람들의 샘플 크기를 50개, 100개 그리고 500개로 변경하여 샘플들의 위치상에서 관찰된 데이터, pVV, pRV, pRR 파라미터를 각각 Byesian 알고리즘과 EM 알고리즘에 입력한다. Byesian 알고리즘은 각 파라미터의 결합(conjugate) 확률 밀도 함수를 구하고 가능성 함수를 사용하여 사후 분포를 구한 후 accept/reject 샘플링를 실행한 후 파라미터들을 예측한다.
1)을 가지고 10명의 서로 관련되지 않은 사람들의 데이터로 구성된 샘플의 수를 50개, 100개 그리고 500개로 변경하여 EM 알고리즘과 Byesian 알고리즘의 성능을 비교하였다. EM 알고리즘을 사용하여 10000번 반복하였고 Bayesian 알고리즘의 경우 예측된 사후분포를 10000번 샘플링하여 파라미터 예측하였다. 결과로 나온 파라미터를 실제 파라미터와 비교하여 알고리즘의 성능을 비교 분석하였다.
가령 한 위치에 두 대립 유전자 R(레퍼런스 유전자)과 V(이형 유전자)가 존재한다면, 우리는 한 개인의 종양에서 T_i번(즉, T_i 커버리지) 그 위치를 나열하고 똑같은 개인의 매치된 정상 세포에서 N_i번 나열한다. 그 위치에서 종양 내에 있는 이형 유전자 V의 T_i 카피들로부터 Y_i번의 대립유전자 관찰했고 정상 세포내에서 이형 유전자 V의 N_i 카피로부터 X_i번 대립유전자를 관찰했다. 대립 유전자 V가 대립 유전자 R로 잘못 생각될 확률과 대립 유전자 R이 대립 유전자 V로 잘못 생각될 확률은 같다고 가정하고, 이 에러 확률을 ɑ라고 표시한다.
차세대 시퀀싱 데이터는 샘플 대립유전자 수 그리고 뉴클레오티드 리드 에러에 관한 정보를 포함한다. 따라서 본 논문에서는 다수의 관련되지 않은 사람들로부터 차세대 시퀀싱 데이터를 사용한 새로운 유전자 조사 시스템을 제안하고, 시퀀싱 에러율과 체세포 돌연변이 상태 그리고 유전자형 확률의 사후 추정치를 비교 분석하였다. 그 결과 Byesian 알고리즘을 사용하여 추정한 파라미터가 작은 샘플에서도 EM 알고리즘 보다 더 정확하게 실제 파라미터에 근접하였다.
서로 관련되지 않은 개인의 차세대 시퀀스 데이터는 뉴클레오티드-리드 에러 비율과 유전자형 빈도 파라미터를 추정하기 위한 정보를 제공하는 데 유용하다. 본 논문에서 유전자형 조사 시스템의 기능을 향상시키기 위하여 뉴클레오티드-리드 에러 비율과 체세포 돌연변이 그리고 유전자형 빈도를 이용하였다. 본 논문에서는 샘플 데이터의 가능성(likelihood)을 기반으로 유전자형 조건확률를 제안하고 파라미터를 정확하게 추정함으로써 유전자형 분류오류를 최소로해야만 하는 뉴클레오티드-리드 에러 비율과 체세포 돌연변이 그리고 유전자형 빈도수에 대해 일관적이고 점근적으로 효과적인 추정치를 보장하였다.
본 논문에서는 실제 pVV는 0.04, pRV는 0.32, 오류 alpha는 0.1 그리고 체세포 돌연변이 f는 0.1을 사용하여 에러와 체세포 돌연변이 그리고 유전자형 확률의 사후 추정치에 관한 샘플 크기의 영향을 연구하기위해 다양한 샘플크기(S=50, 100, 500)가지고 실험하였다. 표 1은 EM 알고리즘과 Bayesian 알고리즘을 사용하여 추정된 파라미터 값이다.
본 논문에서는 실제 파라미터 값(pVV=0.04, pRV=0.32, alpha=01, f=0.1)을 가지고 10명의 서로 관련되지 않은 사람들의 데이터로 구성된 샘플의 수를 50개, 100개 그리고 500개로 변경하여 EM 알고리즘과 Byesian 알고리즘의 성능을 비교하였다. EM 알고리즘을 사용하여 10000번 반복하였고 Bayesian 알고리즘의 경우 예측된 사후분포를 10000번 샘플링하여 파라미터 예측하였다.

대상 데이터

Byesian 알고리즘 접근은 최대 사후 확률을 갖는 유전자형을 개인에게 할당하는 것이다. Byesian 알고리즘 결과 데이터는 관찰된 시퀀스 데이터, 사전 유전자형 수치 그리고 뉴크레오티드 리드에러로 구성되어 있다. 위에서 묘사된 모델에 대해 관찰된 시퀀스 데이터가 주어진 정상세포 안에 숨어있는 유전자형과 이형 대립유전자 V의 공유(joint) 확률은(식 3)과 같다.
그림 2는 실험에 사용된 데이터 구조와 파라미터이다. 데이터는 10명의 서로 관련되지 않는 사람들로 구성된 샘플에서 관찰된 데이터 구조이다.
차세대 시퀀싱 데이터는 샘플 대립유전자 수 그리고 뉴클레오티드 리드 에러에 관한 정보를 포함한다. 따라서 본 논문에서는 다수의 관련되지 않은 사람들로부터 차세대 시퀀싱 데이터를 사용한 새로운 유전자 조사 시스템을 제안하고, 시퀀싱 에러율과 체세포 돌연변이 상태 그리고 유전자형 확률의 사후 추정치를 비교 분석하였다.

데이터처리

EM 알고리즘을 사용하여 10000번 반복하였고 Bayesian 알고리즘의 경우 예측된 사후분포를 10000번 샘플링하여 파라미터 예측하였다. 결과로 나온 파라미터를 실제 파라미터와 비교하여 알고리즘의 성능을 비교 분석하였다. 반복 경계(1e-7)를 초과한 이형조사(variant calls)의 약 6%는 제외되었다.

이론/모형

본 논문에서는 가능성(likelihood) 함수의 파라미터(뉴클레오티드 에러 비율, 유전자형 횟수, 체세포 돌연변이 횟수)를 추정하기 위해서 Baysian 알고리즘과 EM 알고리즘을 실행하였다.

성능/효과

그 결과 Baysian 알고리즘을 적용하여 추정한파라미터는 샘플 크기 500에서 EM 알고리즘을 적용하여 추정한 파라미터보다 pVV는 0.04, pRV는 0.32, 에러비율 alpha는 0.10 그리고 체세포 에러 f는 0.10으로 정확하게 실제 파라미터에 근접하였다. 따라서, 본 논문에서 제안한 유전자형 조사 시스템은 차세대 시퀀싱 경로에 있어 중요한 유전자형 조사 단계가 될 것으로 기대된다.
따라서 본 논문에서는 다수의 관련되지 않은 사람들로부터 차세대 시퀀싱 데이터를 사용한 새로운 유전자 조사 시스템을 제안하고, 시퀀싱 에러율과 체세포 돌연변이 상태 그리고 유전자형 확률의 사후 추정치를 비교 분석하였다. 그 결과 Byesian 알고리즘을 사용하여 추정한 파라미터가 작은 샘플에서도 EM 알고리즘 보다 더 정확하게 실제 파라미터에 근접하였다.
EM 알고리즘의 경우 작은 샘플 크기에서 식별할 수 있는 능력 부족 때문에 비현실적인 파라미터에 집중하였고 이러한 현상은 모든 파라미터에 대해 유일한 추정치를 제공하기 위한 정보를 데이터에 충분히 포함되어 있지 않기 때문에 발생한 것으로 생각된다. 또한 샘플 크기가 증가할수록 EM 알고리즘을 사용하여 추정한 파라미터 추정치가 실제 파라미터에 근접하는 것을 관찰할 수 있었다.

후속연구

10으로 정확하게 실제 파라미터에 근접하였다. 따라서, 본 논문에서 제안한 유전자형 조사 시스템은 차세대 시퀀싱 경로에 있어 중요한 유전자형 조사 단계가 될 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	차세대 시퀀싱 데이터는 어떤 정보를 포함하는가?	차세대 시퀀싱 데이터는 샘플 대립유전자 수 그리고 뉴클레오티드 리드 에러에 관한 정보를 포함한다. 따라서 본 논문에서는 다수의 관련되지 않은 사람들로부터 차세대 시퀀싱 데이터를 사용한 새로운 유전자 조사 시스템을 제안하고, 시퀀싱 에러율과 체세포 돌연변이 상태 그리고 유전자형 확률의 사후 추정치를 비교 분석하였다.
	EM 알고리즘은 무엇인가?	확률 모델에 관측 불가능한 변수들이 포함되어 있는 경우 최대우도나 최대사후확률 우도를 구하는 방법이다. 어떠한 모수 θ(t)를 입력으로 받아서 새로운 모수 θ(t+1)를 찾는다.
	차세대 시퀀싱은 무엇인가?	일반적으로 대량적이고 평행한 높은 처리율의 DNA 시퀀싱기술인 차세대 시퀀싱에서의 최근 기술적인 향상은 대량의 새로운 시퀀스 데이터를 생산하고 있다. 차세대 시퀀싱(NGS)은 암에서 전사체 싱글 뉴클레오티드 변형 발견과 모든 지놈 발견을 가능하게 하고 어느 한 위치에서 배열된 다수의 짧은 리드 시퀀스로부터 개인의 유전자형을 결정하는 가장 기초적인 방법이다[1].

참고문헌 (9)

Ng, S. B. et al., "Exome Sequencing identifies the cause of a mendelian disorder," Nat. Geneti., vol. 42, pp. 30-35, 2010.

상세보기
Meng, X. L. and Rubin, D. B., "Using EM to obtain asymptotic variance-covariance matrices: the SEM algorithm.," J. Am. Stat. Assoc., vol. 86, no. 416, pp. 899-909, Dec. 1991.

상세보기
J. G., Bayesian Methods: A social and Behavioral Sciences Approach, 2th ed. Chapman & Hall/CRC, 2009.
E. R. Martin, D. D. Kinnamon, M. A. Schmidt, E. H. Powell, S. Zuchner and R. W. Morris, "SeqEM: an adaptive genotype-calling approach for next-generation sequencing studies," Bioinformatics, vol. 26, no. 22, pp. 2803-2810, 2010.

상세보기
Li H, Handsaker B, Wysoker A, Fennell T, Ruan J, Homer N, et al., "The Sequence Alignment/Map format and SAMtools.," Bioinformatics. vol. 25, pp. 2078-2079, Aug. 2009.

상세보기
D. J. Spieglhalter, J. P. Myles, D. R. Jones, K. R. Abrams, "Bayesian methods in health technology assessment: review," Health Technology Assessment, vol. 4, no. 38, pp.1-130, 2000.
Jonathan Marchini, Bryan Howie, Simon Myers, Gil McVean & Donnelly, "A new multipoint method for genome-wide association studies by imputation of genotypes.," nature genetics, vol. 39, no. 7, pp. 906-913, June 2007.

상세보기
Li, H. et al., "Mapping short DNA sequencing reads and calling variants using mapping quality scores.," Genome Res., vol. 18, pp. 1851-1858, Aug. 2008.

상세보기
Lin, D. Y. et al., "Simple and efficient analysis of disease associateion with missing genotype data.," Am. J. Hum. Genet., vol. 82, pp. 444-452, Feb. 2008.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증