Genomátrendeződések Miklós István Rényi Intézet, összintézeti szeminárium, 2006. március 13.
A mai előadás Genomátrendeződések biológiai jelentősége Filogenetikai elemzések Genomátrendeződés rákos sejtekben Matematikai modellek Előjeles permutációk és rajtuk ható mutációk Valóság és kívánalom gráfja, graph of desire and reality Parszimónia módszerek Hannenhalli-Pevzner elmélet inverziókra (reverzálokra) Approximációk más esetekre Összes optimális reverziós útvonal megkeresése Statisztikus módszerek MCMC, Sztochasztikus optimalizálás Bayes statisztika Központi kérdés: Markov láncok konvergenciája Analitikus megoldások
Humán egér összehasonlítás
Humán egér összehasonlítás Probléma: az két vonalon az mutációk akkumlálásának a sebessége nem biztos, hogy azonos volt!
Többszörös genomátrendeződések Humán, egér és patkány genomok összehasonlítása
Folytatás Egér, patkány: 3.2 3.5 átrendeződés / millió év Humán ágon 1.6 átrendeződés / millió év
Sok genom bevonásával még pontosabb képet kapunk
Genomátrendeződés az immunrendszerben D H 4 nonamer C C A A A C A C A G G T T T T T G T JH JH J H 1 2 3 RAG D H kivágás 4 9-77-9 JH JH J H 1 2 3 D D D H H H G T G A C A C C A C T G T G 12 bp 23 bp heptamer J J J H H H 1 2 3 4 5 6 D-J kapcsolódás D D D --J J J H H H H H H 1 2 3 4 5 6
Génátrendeződés tumor genomokban mfish Minden szín egy kromoszóma egészséges genomban Többszínű kromoszóma az ábrán: átrendezett Alacsony felbontás, pontos térkép nem állapítható meg
Szekvenálással a kép pontosítható (ESP technológia)
Geneológia ESP a tumor számos fázisában és áttételében Mi az ősi genom, amely a rákosodási folyamatot kiváltotta? Gyógyszer Prevenció
A mai előadás Genomátrendeződések biológiai jelentősége Filogenetikai elemzések Genomátrendeződés rákos sejtekben Matematikai modellek Előjeles permutációk és rajtuk ható mutációk Valóság és kívánalom gráfja, graph of desire and reality Parszimónia módszerek Hannenhalli-Pevzner elmélet inverziókra (reverzálokra) Approximációk más esetekre Összes optimális reverziós útvonal megkeresése Statisztikus módszerek MCMC, Sztochasztikus optimalizálás Bayes statisztika Központi kérdés: Markov láncok konvergenciája Analitikus megoldások
Genomátrendező mutációk Inversions... π π... π π... π π... π π i i+ 1 j j + 1 i j i+ 1 j + 1 Transpositions... + 1...... π iπ k... π j+ 1π i+ 1... π jπ k + π π i... π jπ j+ 1 π kπ k + 1... Inverted Transpositions i 1... + 1... + 1...... π i π k... π j+ 1π i+ 1... π jπ k+ π π i... π jπ j+ 1 π kπ k Translocations i 1... π π... π π... ρ π... π ρ i i+ 1 j j+ 1 k i+ 1 j k + 1......
Valóság és kívánalom gráfja Reality L 3 2 1 4 5 R Desire edges Reality edges 0 5 6 4 3 2 1 7 8 10 9 11 Desire L 1 2 3 4 5 R Based on basic group theory, transforming π 1 to π 2 is equivalent with transforming π 1 2 π1 to the identical permutation. The graph of desire and reality of the identical permutation is n+1 cycle, all other permutations have less cycles: 0 1 2 3 4 5 6 7 8 9 10 11
Cirkuláris és lineáris permutációk Egy n hosszú cirkuláris permutáció modellezhető egy n-1 hosszú lineáris permutációval +6 +7 +8 +5 +4 +1 +2 +3 +6 +7 +8 +5 +1-4 -5-6 +4-3 +8 +1 +2-7 +5 +8 +1 +4 +3 +2 +3 +7 +6 +2
A mai előadás Genomátrendeződések biológiai jelentősége Filogenetikai elemzések Genomátrendeződés rákos sejtekben Matematikai modellek Előjeles permutációk és rajtuk ható mutációk Valóság és kívánalom gráfja, graph of desire and reality Parszimónia módszerek Hannenhalli-Pevzner elmélet inverziókra (reverzálokra) Approximációk más esetekre Összes optimális reverziós útvonal megkeresése Statisztikus módszerek MCMC, Sztochasztikus optimalizálás Bayes statisztika Központi kérdés: Markov láncok konvergenciája Analitikus megoldások
Hannenhalli-Pevzner elmélet Megadja a minimálisan szükséges inverziók (reverzálok) számát, amely egy előjeles permutáció rendezéséhez kell. Hannenhalli-Pevzner (1995): O(n 4 ) algoritmus Kaplan, Shamir, Tarjan, (1997) O(n 2 ) algoritmus Bader, Moret, Yan (2001) O(n) algoritmus, csak a távolságot adja meg, útvonalat nem ad. Carpara (1997) Ha a permutáció nem előjeles, a probléma NP-teljes!
Alsó becslés az inverziós távolságra A körök számát a valóság és kívánalom gráfjában egy iverzió maximum eggyel növeli, így d( π ) n + 1 c( π ) a b c d a c b d a b c d a c b d
Problémás permutációk Az alábbi permutációban nem lehet a körök számát növelni egy lépésben: 0 9 10 5 6 3 4 1 2 7 8 11 +5 +3 +2 +1 +4
Szükséges definíciók Egy kivánalom él irányított, ha a körön tett sétán a két szomszédos valóság élen ellenkező irányba megyünk Két kívánalom él metszi egymást, ha a végpontjaik által megadott intervallumok metszik egymást. A metszési gráf pontjai a valóság és kivánalom gráf nem triviáslis körein található kívánalom élek, két pont a metszési gráfon akkor van összekötve, ha a két kívánalom él metszi egymást. A metszési gráf egy komponense irányított komponens, ha van irányított kívánalom éle, egyébként a komponens irányítatlan. Egy irányítatlan komponens védett nem-gát, ha van két irányítatlan komponens, amelyeket elválaszt, azaz az egyik komponens alatta, a másik pedig felette, vagy rajta kívül van a valóság és kívánalom gráfban.
Szükséges definíciók, folytatás Egy irányítatlan komponens gát, ha nem védett nem-gát Egy gát szupergát, ha van olyan védett nem-gát, amely ezen gát nélkül maga is gát lenne (azaz a védett nem-gát egyik felén a szupergát az egyetlen irányítatlan komponens) Egy permutáció erőd, ha minden gátja szupergát, és ezek száma páratlan
Példa: egy legkisebb erőd Egy erőd legalább három szupergátat tartalmaz A legkisebb irányítatlan komponens három valóságélt tartalmaz
A Hannenhalli-Pevzner tétel d ( π ) = n + 1 c( π ) + h( π ) + f ( π ) ahol d(π) a π előjeles permutáció reverziós távolsága (az identikus permutációtól) n a π előjeles permutáció hossza c(π) a körök száma a valóság és kívánalom gráfban h(π) a gátak (hurdle) száma f(π) pedig 1, ha π erőd (fortress), egyébként 0.
Biztonságos (safe) körnövelő reverzálok Egy körök számát növelő reverzál biztonságos, ha nem hoz létre új irányítatlan komponenst. Nem minden körnövelő reversal biztonságos 0 8 7 4 3 12 11 6 5 2 1 9 10 13 0 1 2 5 6 11 12 3 4 7 8 9 10 13 Lemma: Minden irányított komponensre létezik körnövelő biztonságos reversal
A lemma folyománya Gátmentes permutációkra d( π ) = n + 1 c( π ) hiszen biztonságos körnövelő reverzálokkal rendezhető Gátkötés Egy inverzió két gátat összeköt, ha a két gát két végén levő valóságéleken hat Állítás: A gátkötés egy irányított komponenst hoz létre Állítás: Ha két nem szomszédos gátat kötünk össze (az első és az utolsó gátat is szomszédosnak tekintjük), akkor a gátak számát kettővel csökkentjük, míg a körök számát eggyel, ha a gátak száma páros, akkor nem hozunk létre erődöt
Gátvágás A gátvágás egy inverzió, amely egy gát egy körének két végén levő valóságéleken hat Állítás: a gátvágás a gátból egy irányított komponenst csinál A bizonyítás a következő állításokon keresztül: Állítás: Egy kör minden kívánaloméle egy komponensben van Állítás: A gátvágás hatására a két szélső kívánalomél irányítottá válik, egy körben lesznek, és minden más kívánalomél átfedése változatlan marad. a b c c b a d
Az algoritmus Ha van irányított komponens csinálj egy biztonságos körnövel reverzált Különben{ Ha a gátak száma páros{ Ha a gátak száma több, mint kett Köss össze két nem konszekutív gátat Különben Kössd össze a két gátat } Különben{ // gátak száma páratlan Ha van egyszer gát Vágd el Különben{ // er dünk van Ha a gátak száma több, mint három Köss össze két nem konszekutív gátat Egyébként köss össze két gátat } } }
Transzpozíciók Rendezés transzpozíciókkal: Ismeretlen komplexitású probléma már 10 éve!!! Bafna & Pevzner (1995) 1.5-approximáció Alapja: Egy transzpozíció a körök számát max. 2-vel növeli. Minden permutációban vagy van egy 2-transzpozíció, vagy egy 0-2-2 sorozat 1.375-approximáció: Több, mint 10000 eset számítógépes vizsgálata
Reverziós medián probléma Adottak π 1, π 2, π 3 előjeles permutációk, keressük azon π M -et, amelyre ) ( ) ( ) ( 3 1 2 1 1 1 π π π π π π + + M M M d d d minimális NP-teljes probléma!!! Visszavezethető a Travelling Salesman problémára π π π π
Összes optimális inverziós útvonal Miért fontos? Heurisztikus algoritmusok reverziós mediánra Mutációs forró pontok keresése Siepel, A.C. (2002) RECOMB proceedings: Semi-brute-force algoritmus Gyakorlatilag pontosan leírja az irányítatlan komponenseken ható rendező reverzálokat, de semmit nem mond a biztonságos körnövelő reverzálokról. Fő probléma: nem csak a lehetséges útvonalak száma, de az ezt reprezentáló hálózat mérete is lehet exponenciális függvénye a permutáció hosszának
A mai előadás Genomátrendeződések biológiai jelentősége Filogenetikai elemzések Genomátrendeződés rákos sejtekben Matematikai modellek Előjeles permutációk és rajtuk ható mutációk Valóság és kívánalom gráfja, graph of desire and reality Parszimónia módszerek Hannenhalli-Pevzner elmélet inverziókra (reverzálokra) Approximációk más esetekre Összes optimális reverziós útvonal megkeresése Statisztikus módszerek MCMC, Sztochasztikus optimalizálás Bayes statisztika Központi kérdés: Markov láncok konvergenciája Analitikus megoldások
Markov lánc Monte Carlo (MCMC) Metropolis, Rosenbluth, Rosenbluth, Teller, Teller (1953) J. Chem. Phys. 21:1087-1091. T(Y X) aperiodikus, irreducibilis Markov lánc, T(Y X) 0 T(X Y) 0 X-re π(x)>0 eloszlás, akkor a következő algoritmussal definiált Markov lánc konvergál π(x)-hez: 1. (proposal) Végy egy random Y-t T( X)-ből. 2. (acceptance) A Markov lánc következő eleme Y ) ( ) ( ) ( ) ( 1, min X X Y T Y Y X T π π valószínűséggel, és X ennek komplementerével Első alkalmazások: mintavételezés Boltzmann eloszlásból Bayes statisztikában szeretik: nem kell a normalizációs konstanst ismerni! Θ Θ Θ Θ Θ = Θ ' ) ' ( ) ' ( ) ( ) ( ) ( P D P P D P D P Mintavételezés ) ( ) ( ) ( Θ Θ Θ P D P D P -ból
Összes optimális inverziós útvonalból Proposal mintavételezés p 1 p 2 p 3 p 4 p 5 } p 6 p 7 p 8 p 9 Random ablak p 1 7 p 1 6 p 1 5 p 1 7 p id 1 6 p p p p 1 5 Új rész-útvonal p 1 p 2 p 3 p 4 p p p p 8 p 9
Simulated Annealing Definiálunk egy hipotetikus energiát a Markov lánc minden X állapotára. Minnél jobb egy állapot, annál kisebb az energiája. Az MCMC céleloszlása a Boltzmann eloszlás P T ( X ) e E( T X ) A T hőmérsékletet fokozatosan csökkentjük. Ha a hőmérsékletet elég lassan csökkentjük, akkor bizonyítottan 1 valószínűséggel a globális minimumhoz fog konvergálni a Markov lánc. (Persze az elég lassan miatt nem tudunk egy NP-teljes problémát polinom időben megoldani...)
Sztochasztikus heurisztikus algoritmussal próbálunk meg egyre jobb útvonalakat találni
Bayesiánus MCMC Egy Θ (evolúciós) paraméterhalmaz valószínűségének a feltételes eloszlása érdekel, adottak a D biológiai adatok P ( Θ D) P( D Θ) P( Θ) poszterior α likelihood prior A közvetlen likelihood számolás nehéz. Ha egy statisztikus nem tud egy problémát megoldani, akkor csinál belőle egy komplikáltabbat... P ( D Θ) = P( traj Θ) traj D
MCMC konvergenciája A konvergencia sebességét nem a lépésszámban, hanem a számolási időben szeretnénk optimalizálni. Sokszor nem világos, hogy mi legyen a proposal eloszlás, melyek a jó mutációk Sejtések: Töréspontot csökkentő mutációk Körök számát növelő permutációk Egyéb (???) Pl. Körök számát növelő transzpozíciók: O(n 3 ) memória és idő (Miklós, 2003), töréspontok számát csökkentő transzpozíciók: O(n) memória és idő (Miklós & Paige, 2006)
Irreducibilitás Ha az optimális reverziók útvonalain akarunk bolyongani, mekkora részt kell kivágni az útvonalból, hogy irreducibilis legyen a láncunk? Válasz: az egészet!!! 0 1
Metropolizált független mintavételezés (MIS) MIS: Olyan MCMC, amelyben T(Y X) = T(Y), bármely X-re. MIS-re a spektrális rés λ λ 1 2 = 1 max ahol w a fontossági súly, π(x)/t(x) (Liu, 1995) ( w) A MIS bizonyítottan lassan keveredik optimális reverziós útvonalakra, azaz meg lehet adni olyan permutációsorozatot, amelyre max(w) exponenciálisan növekszik a permutáció hosszának függvényében (Mélykúti, készülő szakdolgozat).
Részleges IS (ParIS) Egy random hosszúságú ablakot vágunk ki, ezen teszünk egy MIS lépést Az alábbi példában a MIS bizonyítottan lassan keveredik, a ParIS bizonyítottan gyorsan, és ha csak kis ablakokat vágunk ki, a Markov lánc nem lesz irreducibilis Ugyanakkor van példa olyan hálózatra, ahol a ParIS is lassan keveredik. Nyílt kérdés: gyorsan vagy lassan keveredik a ParIS az optimális reverziós útvonalakon?
A mai előadás Genomátrendeződések biológiai jelentősége Filogenetikai elemzések Genomátrendeződés rákos sejtekben Matematikai modellek Előjeles permutációk és rajtuk ható mutációk Valóság és kívánalom gráfja, graph of desire and reality Parszimónia módszerek Hannenhalli-Pevzner elmélet inverziókra (reverzálokra) Approximációk más esetekre Összes optimális reverziós útvonal megkeresése Statisztikus módszerek MCMC, Sztochasztikus optimalizálás Bayes statisztika Központi kérdés: Markov láncok konvergenciája Analitikus megoldások
Sztochasztikus modell reverzálokra A modellben az előjeles permutációk véletlenszerűen változnak meg, minden reverzál exponenciális várakozási idő után következik be. Azaz a reverzálok által generált Cayley-gráfon van egy időfolytonos Markov modellünk. Az exponenciális eloszlás valamely paraméterére keressük a P t ( G 2 G1 valószínűséget. Van-e algoritmus, ami ezt gyorsan kiszámolja? Hagyományos algoritmus ) idő alatt! ( 2 n n! ) 3
Összeejtett dinamikai rendszer Vegyük a Cayley gráf szimmetriacsoportjában a Cayley gráf valamely G 0 pontjának a stabilizátorát. Ekkor ha G 1 és G 2 a stabilizátor egy orbitjában van, akkor bármely t időpontra. Pt ( G1 G0) = Pt ( G2 G0) Kérdés: legyen a Cayley gráf a reverzálok által meghatározott gráf. Mivel izomorf egy pont stabilizátora? Hány orbitja van?
Egy probléma Cayley-gráfokról Legyen Γ 1 azon Cayley gráfok halmazrendszere, amelyre a minimális hosszúságú generálószavak számára van gyors algoritmus. Legyen Γ 2 azon Cayley gráfok halmazrendszere, amelyre az időfolytonos dinamika gyorsan számolható (Bármely G 1, G 2, t-re P t (G 1 G 2 )). Mi Γ 1 és Γ 2 viszonya? (Tipp: Γ 1 = Γ 2 )
Nyitott problémák O(n) idejű algoritmus optimális reverziós útvonalra Gyors algoritmus az optimális reverziós útvonalak egyenletes eloszlásából való mintavételezésére Az optimális reverziós útvonalak számát megadó algoritmus komplexitása Egy optimális transzpozíciós útvonalat megadó algoritmus komplexitása Mutációs útvonalakon bolyongó Markov lánc Monte Carlo metódusok konvergenciájának sebessége Mutációs Cayley-gráfok szimmetriacsoportjában egy stabilizátor részcsoport oritjai Mutációs Cayley gráfokon történő időfolytonos bolyongás időbeli leírása
Köszönetnyílvánítás Mélykúti Bence, Timothy Brooks Paige Falus András, Erdős Péter, Miklós Dezső, Lovász László, Tusnády Gábor