2014年12月11日に東京大学柏キャンパスであったセミナーで使用したスライド。

1. ゲノム時代の
分子系統学と
計算機科学の
あり方
水産総合研究センター
中央水産研究所
田辺晶史
2014 年12 月11 日

3. GWAS は必ず多種系へ拡張される

4. GWAS は必ず多種系へ拡張される
● 表現型A のある個体とない個体の比較で表現型の原因遺伝子を探る

5. GWAS は必ず多種系へ拡張される
● 表現型A のある個体とない個体の比較で表現型の原因遺伝子を探る
● 表現型A あるなしという種内多型があって初めて可能なアプローチ

6. GWAS は必ず多種系へ拡張される
● 表現型A のある個体とない個体の比較で表現型の原因遺伝子を探る
● 表現型A あるなしという種内多型があって初めて可能なアプローチ
● 「種内多型がない表現型」の原因遺伝子はどうやって探る?

7. GWAS は必ず多種系へ拡張される
● 表現型A のある個体とない個体の比較で表現型の原因遺伝子を探る
● 表現型A あるなしという種内多型があって初めて可能なアプローチ
● 「種内多型がない表現型」の原因遺伝子はどうやって探る?
➔ 2 種間比較・3 種以上の多種間比較が必要

8. GWAS は必ず多種系へ拡張される
● 表現型A のある個体とない個体の比較で表現型の原因遺伝子を探る
● 表現型A あるなしという種内多型があって初めて可能なアプローチ
● 「種内多型がない表現型」の原因遺伝子はどうやって探る?
➔ 2 種間比較・3 種以上の多種間比較が必要
➔3 種以上の多種間比較では、系統関係を考慮した方がよい

9. 系統関係を考慮しないと偽陽性が増加する

10. 系統関係を考慮しないと偽陽性が増加する
山道・印南（ 2009 ）
1 種1 集団の場合

11. 系統関係を考慮しないと偽陽性が増加する
山道・印南（ 2009 ）
1 種1 集団の場合
「当たり」のSNP と周辺のみP 小

12. 系統関係を考慮しないと偽陽性が増加する
山道・印南（ 2009 ）
1 種1 集団の場合
「当たり」のSNP と周辺のみP 小
1 種複数集団の場合

13. 系統関係を考慮しないと偽陽性が増加する
山道・印南（ 2009 ）
1 種1 集団の場合
「当たり」のSNP と周辺のみP 小
1 種複数集団の場合
「当たり」のSNP がP 最小だが、
離れたSNP もP が小さい
（複数種でも同様）

14. 系統関係を考慮しないと偽陽性が増加する
山道・印南（ 2009 ）
1 種1 集団の場合
「当たり」のSNP と周辺のみP 小
1 種複数集団の場合
「当たり」のSNP がP 最小だが、
離れたSNP もP が小さい
（複数種でも同様）
→ 周辺しか読めてない場合は
特定不可能

15. 系統樹推定は多重推定・モデル選択問題

16. 系統樹推定は多重推定・モデル選択問題
● 系統樹推定の手順は

17. 系統樹推定は多重推定・モデル選択問題
● 系統樹推定の手順は
1. 仮の系統樹に固定してアライメント

18. 系統樹推定は多重推定・モデル選択問題
● 系統樹推定の手順は
1. 仮の系統樹に固定してアライメント
2. 仮の系統樹に固定して分子進化モデルを選択

19. 系統樹推定は多重推定・モデル選択問題
● 系統樹推定の手順は
1. 仮の系統樹に固定してアライメント
2. 仮の系統樹に固定して分子進化モデルを選択
3. アライメントと分子進化モデルを固定して樹形を選択

20. 系統樹推定は多重推定・モデル選択問題
● 系統樹推定の手順は
1. 仮の系統樹に固定してアライメント
2. 仮の系統樹に固定して分子進化モデルを選択
3. アライメントと分子進化モデルを固定して樹形を選択
4. ブートストラップ値or ベイズ事後確率で信頼性評価

21. 系統樹推定は多重推定・モデル選択問題
● 系統樹推定の手順は
1. 仮の系統樹に固定してアライメント
2. 仮の系統樹に固定して分子進化モデルを選択
3. アライメントと分子進化モデルを固定して樹形を選択
4. ブートストラップ値or ベイズ事後確率で信頼性評価
見えない不確実性が蓄積

22. ベイズ統計学が同時推定を実現する?

23. ベイズ統計学が同時推定を実現する?
● ベイズ推定では以下の同時推定計算が可能

24. ベイズ統計学が同時推定を実現する?
● ベイズ推定では以下の同時推定計算が可能
● アライメント

25. ベイズ統計学が同時推定を実現する?
● ベイズ推定では以下の同時推定計算が可能
● アライメント
● 分子進化モデル選択

26. ベイズ統計学が同時推定を実現する?
● ベイズ推定では以下の同時推定計算が可能
● アライメント
● 分子進化モデル選択
● 樹形選択

27. ベイズ統計学が同時推定を実現する?
● ベイズ推定では以下の同時推定計算が可能
● アライメント
● 分子進化モデル選択
● 樹形選択
● 信頼性

28. ベイズ統計学が同時推定を実現する?
● ベイズ推定では以下の同時推定計算が可能
● アライメント
● 分子進化モデル選択
● 樹形選択
● 信頼性
● 「種の系統樹」と「遺伝子の系統樹」を分けた同時推定も可能

29. ベイズ統計学が同時推定を実現する?
● ベイズ推定では以下の同時推定計算が可能
● アライメント
● 分子進化モデル選択
● 樹形選択
● 信頼性
● 「種の系統樹」と「遺伝子の系統樹」を分けた同時推定も可能
● 系統樹の途中で変化する分子進化モデルも適用可能

30. ベイズ統計学が同時推定を実現する?
● ベイズ推定では以下の同時推定計算が可能
● アライメント
● 分子進化モデル選択
● 樹形選択
● 信頼性
● 「種の系統樹」と「遺伝子の系統樹」を分けた同時推定も可能
● 系統樹の途中で変化する分子進化モデルも適用可能
多重推定・モデル選択問題が解決
さらに現実的なモデルも適用可能に

31. 系統樹の尤度

32. 系統樹の尤度
to
from
A
A
C G T
C
G
T
RAC
πC
RAG
πG
RAT
πT
RCG
πC
RCG
πG
RGT
πG
RCT
πT
RGT
πT
RAC
πA
RAG
πA
RAT
πT
RCT
πC
種A
種B
モデルデータ
種C
種D
種A AGCTCGCTAGCT
種B ACCTCTCTACCT
種C ATTTGTCTGTCT
種D ATTTGGCTGATT
● 尤度は「モデルを仮定したときに観測されたデータが実現する確率」

33. 系統樹の尤度
to
from
A
A
C G T
C
G
T
RAC
πC
RAG
πG
RAT
πT
RCG
πC
RCG
πG
RGT
πG
RCT
πT
RGT
πT
RAC
πA
RAG
πA
RAT
πT
RCT
πC
種A
種B
モデルデータ
種C
種D
種A AGCTCGCTAGCT
種B ACCTCTCTACCT
種C ATTTGTCTGTCT
種D ATTTGGCTGATT
● 尤度は「モデルを仮定したときに観測されたデータが実現する確率」
● 塩基配列に対する系統樹・分子進化モデルの適合度を表す

34. 系統樹の尤度
種A A G C T C G C T A G C T
種B A C C T C T C T A C C T
種C A T T T G T C T G T C T
種D A T T T G G C T G A T T
lnL -5 -3 -9 -8 -5 -7 -5 -5 -4 -6 -4 -5
● 尤度は「モデルを仮定したときに観測されたデータが実現する確率」
● 塩基配列に対する系統樹・分子進化モデルの適合度を表す
● サイトごとに計算して掛け合わせる( 実際には対数を取って足し合わせる)

35. 系統樹の尤度
種A
種B
種C
種D
1 2
分岐点1 ・2 がA ・A の場合
分岐点1 ・2 がA ・T の場合
分岐点1 ・2 がA ・C の場合
分岐点1 ・2 がA ・G の場合
分岐点1 ・2 がT ・A の場合
分岐点1 ・2 がT ・T の場合
分岐点1 ・2 がT ・C の場合
分岐点1 ・2 がT ・G の場合
分岐点1 ・2 がC ・A の場合
分岐点1 ・2 がC ・T の場合
分岐点1 ・2 がC ・C の場合
分岐点1 ・2 がC ・G の場合
分岐点1 ・2 がG ・A の場合
分岐点1 ・2 がG ・T の場合
分岐点1 ・2 がG ・C の場合
分岐点1 ・2 がG ・G の場合
● 尤度は「モデルを仮定したときに観測されたデータが実現する確率」
● 塩基配列に対する系統樹・分子進化モデルの適合度を表す
● サイトごとに計算して掛け合わせる( 実際には対数を取って足し合わせる)
● サイトの尤度は分岐点がA,C,G,T それぞれの場合で算出して足し合わせる

36. 系統樹の尤度
to
from
A
A
C G T
C
G
T
RAC
πC
RAG
πG
RAT
πT
RCG
πC
RCG
πG
RGT
πG
RCT
πT
RGT
πT
RAC
πA
RAG
πA
RAT
πT
RCT
πC
種A
種B
モデルデータ
種C
種D
● 尤度は「モデルを仮定したときに観測されたデータが実現する確率」
● 塩基配列に対する系統樹・分子進化モデルの適合度を表す
● サイトごとに計算して掛け合わせる( 実際には対数を取って足し合わせる)
● サイトの尤度は分岐点がA,C,G,T それぞれの場合で算出して足し合わせる
● RXY・πX・枝長は数値計算により最適化
種A AGCTCGCTAGCT
種B ACCTCTCTACCT
種C ATTTGTCTGTCT
種D ATTTGGCTGATT

37. 山登り法による局所探索
初期樹形

38. 山登り法による局所探索
初期樹形
樹形改変によって探索される範囲

39. 山登り法による局所探索
初期樹形
樹形改変によって探索される範囲

40. 山登り法による局所探索
初期樹形
樹形改変によって探索される範囲

41. 山登り法による局所探索
仮の最尤系統樹を更新していく
初期樹形
樹形改変によって探索される範囲

42. 山登り法による局所探索
仮の最尤系統樹を更新していく
初期樹形
樹形改変によって探索される範囲

43. 山登り法による局所探索
それ以上尤度が高いもの
が見つからない
仮の最尤系統樹を更新していく
初期樹形
樹形改変によって探索される範囲

44. 山登り法による局所探索
それ以上尤度が高いもの
が見つからない
仮の最尤系統樹を更新していく
初期樹形
樹形改変によって探索される範囲
終了

45. 樹形改変による周辺樹形の探索

46. 樹形改変による周辺樹形の探索
1. 動かす分岐点を選ぶ

47. 樹形改変による周辺樹形の探索
1. 動かす分岐点を選ぶ
2. 分岐点を任意の枝にスライドさせて動かす

48. 樹形改変による周辺樹形の探索
1. 動かす分岐点を選ぶ
2. 分岐点を任意の枝にスライドさせて動かす

49. 樹形改変による周辺樹形の探索
1. 動かす分岐点を選ぶ
2. 分岐点を任意の枝にスライドさせて動かす
● 隣の枝にのみ動かすのがNearest-Neighbor-Interchange (NNI)

50. 樹形改変による周辺樹形の探索
1. 動かす分岐点を選ぶ
2. 分岐点を任意の枝にスライドさせて動かす
● 隣の枝にのみ動かすのがNearest-Neighbor-Interchange (NNI)
● 隣の枝に限らず動かすのがSubtree-Pruning-Regrafting (SPR)

51. 樹形改変による周辺樹形の探索
1. 動かす分岐点を選ぶ
2. 分岐点を任意の枝にスライドさせて動かす
● 隣の枝にのみ動かすのがNearest-Neighbor-Interchange (NNI)
● 隣の枝に限らず動かすのがSubtree-Pruning-Regrafting (SPR)
● 内分枝の両端の分岐を動かすのがTree-Bisection-Reconnection (TBR)

52. SPR の探索範囲

53. SPR の探索範囲
初期樹形SPR によって探索される範囲

54. 局所探索の反復により探索範囲拡大

55. 局所探索の反復により探索範囲拡大

56. 最尤系統樹推定
では
探索した中で尤度最大
の樹形を
選ぶ

57. 最尤系統樹推定は
推定
ではなく
モデル選択

58. ベイズ系統樹推定におけるMCMC (Metropolis-Hastings)

59. ベイズ系統樹推定におけるMCMC (Metropolis-Hastings)
パラメータ
初期化
定常状態
に入る
つづく
1. 初期値を決めて尤度計算( ベイズ法では樹形もパラメータ)

60. ベイズ系統樹推定におけるMCMC (Metropolis-Hastings)
パラメータ
を
無作為選択
パラメータ
初期化
定常状態
に入る
つづく
1. 初期値を決めて尤度計算( ベイズ法では樹形もパラメータ)
2. 無作為に選んだパラメータを提案分布に基づいて変更し、採択(or 棄却)

61. ベイズ系統樹推定におけるMCMC (Metropolis-Hastings)
パラメータ
を
無作為選択
パラメータ
の
変更提案
パラメータ
初期化
提案分布
定常状態
に入る
つづく
1. 初期値を決めて尤度計算( ベイズ法では樹形もパラメータ)
2. 無作為に選んだパラメータを提案分布に基づいて変更し、採択(or 棄却)

62. ベイズ系統樹推定におけるMCMC (Metropolis-Hastings)
パラメータ
を
無作為選択
パラメータ
の
変更提案
採択
または
却下
パラメータ
初期化
提案分布
定常状態
に入る
つづく
1. 初期値を決めて尤度計算( ベイズ法では樹形もパラメータ)
2. 無作為に選んだパラメータを提案分布に基づいて変更し、採択(or 棄却)

63. ベイズ系統樹推定におけるMCMC (Metropolis-Hastings)
パラメータ
を
無作為選択
提案分布
パラメータ
の
変更提案
採択
または
却下
パラメータ
初期化
サンプルサンプル
定常状態
に入る
つづく
1. 初期値を決めて尤度計算( ベイズ法では樹形もパラメータ)
2. 無作為に選んだパラメータを提案分布に基づいて変更し、採択(or 棄却)
3. 適当な間隔を空けてサンプリング

64. ベイズ系統樹推定におけるMCMC (Metropolis-Hastings)
パラメータ
を
無作為選択
提案分布
パラメータ
の
変更提案
採択
または
却下
パラメータ
初期化
サンプルサンプル
定常状態
に入る
つづく
1. 初期値を決めて尤度計算( ベイズ法では樹形もパラメータ)
2. 無作為に選んだパラメータを提案分布に基づいて変更し、採択(or 棄却)
3. 適当な間隔を空けてサンプリング
4. 定常状態に入る前のサンプルをBurn-In して、残りで事後分布を得る

65. MCMC における樹形空間内の移動

66. MCMC における樹形空間内の移動

67. MCMC における樹形空間内の移動

68. MCMC における樹形空間内の移動

69. MCMC における樹形空間内の移動

70. MCMCMC (MC3) による効率化

71. MCMCMC (MC3) による効率化
● 制約の緩い ( 温度の高い) MCMC を同時に走らせる
過激な提案
高温
低温
穏当な提案

72. MCMCMC (MC3) による効率化
● 制約の緩い ( 温度の高い) MCMC を同時に走らせる
過激な提案
高温
低温
穏当な提案
● 無作為に選んだMCMC の組み合わせでパラメータ状態の交換を試行する

73. MCMCMC (MC3) による効率化
● 制約の緩い ( 温度の高い) MCMC を同時に走らせる
過激な提案
高温
低温
穏当な提案
● 無作為に選んだMCMC の組み合わせでパラメータ状態の交換を試行する
● 高温の方が尤度が高ければ採択、尤度が低くても尤度比に応じて採択する

74. MCMCMC (MC3) による効率化
サンプルサンプル
● 制約の緩い ( 温度の高い) MCMC を同時に走らせる
過激な提案
高温
● 無作為に選んだMCMC の組み合わせでパラメータ状態の交換を試行する
● 高温の方が尤度が高ければ採択、尤度が低くても尤度比に応じて採択する
● 低温のMCMC からのみサンプリングする
低温
穏当な提案

75. MCMC では
前の状態に依存して
今の状態が決まる

76. 計算機の進化の歴史

77. 計算機の進化の歴史
● フリーランチの時代（ 2000 年代前半まで）

78. 計算機の進化の歴史
● フリーランチの時代（ 2000 年代前半まで）
● 「命令レベル並列性」の向上

79. 計算機の進化の歴史
● フリーランチの時代（ 2000 年代前半まで）
● 「命令レベル並列性」の向上
● 動作周波数の向上

80. 計算機の進化の歴史
● フリーランチの時代（ 2000 年代前半まで）
● 「命令レベル並列性」の向上
● 動作周波数の向上
● プログラムは実行バイナリそのままで高速化した

81. 計算機の進化の歴史
● フリーランチの時代（ 2000 年代前半まで）
● 「命令レベル並列性」の向上
● 動作周波数の向上
● プログラムは実行バイナリそのままで高速化した
● フリーランチ後

82. 計算機の進化の歴史
● フリーランチの時代（ 2000 年代前半まで）
● 「命令レベル並列性」の向上
● 動作周波数の向上
● プログラムは実行バイナリそのままで高速化した
● フリーランチ後
● 「スレッドレベル並列性」の向上（使えるCPU コアの増加）

83. 計算機の進化の歴史
● フリーランチの時代（ 2000 年代前半まで）
● 「命令レベル並列性」の向上
● 動作周波数の向上
● プログラムは実行バイナリそのままで高速化した
● フリーランチ後
● 「スレッドレベル並列性」の向上（使えるCPU コアの増加）
● 「データレベル並列性」の向上（ SSE やAVX などのベクトル命令追加）

84. 計算機の進化の歴史
● フリーランチの時代（ 2000 年代前半まで）
● 「命令レベル並列性」の向上
● 動作周波数の向上
● プログラムは実行バイナリそのままで高速化した
● フリーランチ後
● 「スレッドレベル並列性」の向上（使えるCPU コアの増加）
● 「データレベル並列性」の向上（ SSE やAVX などのベクトル命令追加）
● 性能を引き出すにはプログラムを作り直す必要がある

85. プログラムは
並列処理
に対応しなくてはならない

86. 並列処理の並列度と粒度

87. 並列処理の並列度と粒度
粗粒細粒

88. 並列処理の並列度と粒度
粗粒細粒
● 処理を細かく分割するほど並列度を上げやすい

89. 並列処理の並列度と粒度
粗粒細粒
● 処理を細かく分割するほど並列度を上げやすい
● 処理が粗いほど並列度は低くなる

90. 並列処理の並列度と粒度
粗粒細粒
● 処理を細かく分割するほど並列度を上げやすい
● 処理が粗いほど並列度は低くなる
● 処理の分割にはオーバーヘッドがある

91. 並列処理の並列度と粒度
粗粒細粒
● 処理を細かく分割するほど並列度を上げやすい
● 処理が粗いほど並列度は低くなる
● 処理の分割にはオーバーヘッドがある
● 細かくし過ぎると処理に対してオーバーヘッドの比率が大きくなり、並列
度が上がっても速度が上がらない

92. 並列処理におけるボトルネック

93. 並列処理におけるボトルネック
● 処理の分割（子スレッドの生成）のオーバーヘッド

94. 並列処理におけるボトルネック
● 処理の分割（子スレッドの生成）のオーバーヘッド
● スレッド間・プロセス間通信のレイテンシ

95. 並列処理におけるボトルネック
● 処理の分割（子スレッドの生成）のオーバーヘッド
● スレッド間・プロセス間通信のレイテンシ
● 通信の開始に必要なオーバーヘッド

96. 並列処理におけるボトルネック
● 処理の分割（子スレッドの生成）のオーバーヘッド
● スレッド間・プロセス間通信のレイテンシ
● 通信の開始に必要なオーバーヘッド
● 10MB を1 回送信するより1MB を10 回送信する方が10 倍大きくなる

97. 並列化で高速化するには
適度な粒度
通信回数の抑制
が肝要

98. 最尤系統樹推定の並列化
粗粒
細粒

99. 粗粒
細粒
最尤系統樹推定の並列化
● ブートストラップ解析での各反復の並列処理

100. 粗粒
細粒
最尤系統樹推定の並列化
● ブートストラップ解析での各反復の並列処理
● 多点局所探索の並列処理

101. 粗粒
細粒
最尤系統樹推定の並列化
● ブートストラップ解析での各反復の並列処理
● 多点局所探索の並列処理
● 多数ある「改変後の樹形」の尤度最大化の並列処理

102. 粗粒
細粒
最尤系統樹推定の並列化
● ブートストラップ解析での各反復の並列処理
● 多点局所探索の並列処理
● 多数ある「改変後の樹形」の尤度最大化の並列処理
● サイトごとの尤度計算の並列処理

103. 粗粒
細粒
最尤系統樹推定の並列化
● ブートストラップ解析での各反復の並列処理
● 多点局所探索の並列処理
● 多数ある「改変後の樹形」の尤度最大化の並列処理
● サイトごとの尤度計算の並列処理
● 分岐点の各状態における尤度計算の並列処理

104. ベイズ系統樹推定の並列化
粗粒
細粒

105. ベイズ系統樹推定の並列化
粗粒
細粒
● MCMCMC の各MCMC の並列処理

106. ベイズ系統樹推定の並列化
粗粒
細粒
● MCMCMC の各MCMC の並列処理
● サイトごとの尤度計算の並列処理

107. ベイズ系統樹推定の並列化
粗粒
細粒
● MCMCMC の各MCMC の並列処理
● サイトごとの尤度計算の並列処理
● 分岐点の各状態における尤度計算の並列処理

108. ベイズ系統樹推定の並列化
粗粒
細粒
状態交換試行のために
1 ステップごとに
同期と通信が必要
● MCMCMC の各MCMC の並列処理
● サイトごとの尤度計算の並列処理
● 分岐点の各状態における尤度計算の並列処理

109. ベイズ系統樹推定の並列化
粗粒
細粒
状態交換試行のために
1 ステップごとに
同期と通信が必要
● MCMCMC の各MCMC の並列処理
● サイトごとの尤度計算の並列処理
● 分岐点の各状態における尤度計算の並列処理
細粒すぎて
スレッド生成のオーバーヘッドと
通信のレイテンシの影響が増大

110. MCMC は
並列処理
に向いてない

111. 根本的な解決が無理なら対症療法

112. 根本的な解決が無理なら対症療法
● アライメントが怪しい部分は捨てればいい

113. 根本的な解決が無理なら対症療法
● アライメントが怪しい部分は捨てればいい
● 遺伝子間の不調和がある場合は少数派を捨てればいい

114. 根本的な解決が無理なら対症療法
● アライメントが怪しい部分は捨てればいい
● 遺伝子間の不調和がある場合は少数派を捨てればいい
● 系統樹の途中で分子進化パターンが変化している遺伝子は捨てればいい

115. 根本的な解決が無理なら対症療法
● アライメントが怪しい部分は捨てればいい
● 遺伝子間の不調和がある場合は少数派を捨てればいい
● 系統樹の途中で分子進化パターンが変化している遺伝子は捨てればいい
データ取得コストが劇的に低下した
ゲノム時代なら現実的な対処法

116. 根本的な解決が無理なら対症療法
● アライメントが怪しい部分は捨てればいい
● 遺伝子間の不調和がある場合は少数派を捨てればいい
● 系統樹の途中で分子進化パターンが変化している遺伝子は捨てればいい
データ取得コストが劇的に低下した
ゲノム時代なら現実的な対処法
分子進化モデル選択の不確実性問題は解決困難
だが、信頼性の高い分岐にはあまり影響しない

117. 対症療法にも課題はある

118. 対症療法にも課題はある
● 分子進化モデル選択の不確実性は無視していいのか要検証

119. 対症療法にも課題はある
● 分子進化モデル選択の不確実性は無視していいのか要検証
● 遺伝子間の不調和を検出し、少数派を除く技術開発が必要

120. 対症療法にも課題はある
● 分子進化モデル選択の不確実性は無視していいのか要検証
● 遺伝子間の不調和を検出し、少数派を除く技術開発が必要
● ILD 検定に基いてsnowballing を行うmILD は遅すぎる

121. 対症療法にも課題はある
● 分子進化モデル選択の不確実性は無視していいのか要検証
● 遺伝子間の不調和を検出し、少数派を除く技術開発が必要
● ILD 検定に基いてsnowballing を行うmILD は遅すぎる
● 尤度比検定に基いてsnowballing を行うConcaterpiller はもっと遅い

122. 対症療法にも課題はある
● 分子進化モデル選択の不確実性は無視していいのか要検証
● 遺伝子間の不調和を検出し、少数派を除く技術開発が必要
● ILD 検定に基いてsnowballing を行うmILD は遅すぎる
● 尤度比検定に基いてsnowballing を行うConcaterpiller はもっと遅い
● そもそも「有意に不調和とは言えない」遺伝子間を連結することで正しい
種の系統樹は得られるのか要検証

123. 対症療法にも課題はある
● 分子進化モデル選択の不確実性は無視していいのか要検証
● 遺伝子間の不調和を検出し、少数派を除く技術開発が必要
● ILD 検定に基いてsnowballing を行うmILD は遅すぎる
● 尤度比検定に基いてsnowballing を行うConcaterpiller はもっと遅い
● そもそも「有意に不調和とは言えない」遺伝子間を連結することで正しい
種の系統樹は得られるのか要検証
● データの選別でバイアスが生じる可能性

125. SNP データによる系統樹推定と収集バイアス

126. SNP データによる系統樹推定と収集バイアス
通常の塩基配列データSNP データ
TaxonA TCATTAATATTATTAATTTCAAGAAGAA
TaxonB TCATTAATATTATTAATTTCAAGAAGAA
TaxonC TCATTAATATTATTAATTTCAAGAAGAA
TaxonD TCATTAATATTATTAATCTCAAGAAGAA
TaxonE TCATTAATATTATTAATTTCAAGAAGAA
TaxonF TCATTAATATTATTAATTTCAAGAAGAA
TaxonG TCATTAATATTATTAATTTCAAGAAGAA
TaxonH TCATTAATATTATTAATTTCAAGAAGAA
TaxonI TCATTAATATTATTAATTTCTAGAAGAA
TaxonJ TCACTAATATTATTAATTTCTAGAAGAA
TaxonK TCTTTAATATTATTAATTTCAAGAAGAA
TaxonL TCATTAATACTATTAATTTCAAGAAGAA
TaxonM TCACTAATATTATTAATTTCTAGAAGAA
TaxonA ATTTATAAATTATAAAATTTTTCTTAAT
TaxonB ATTTATATATTGTAAAATTTTACTTGAT
TaxonC ATTTATGAATTTTAAAATTTTACTTAAT
TaxonD ATTCATAAACTCTAATATTTTACTTAAT
TaxonE ATTTATGAATTTTAAAATTTTACTTAAT
TaxonF ATTTATAAATTATAAAATTTTTCTTAAT
TaxonG ATTTATAAATTATAAAATTTTTCTTAAT
TaxonH ATTTATAAATTATAAAATTTTTCTTAAT
TaxonI ATTTTCAAATATCGATATTTTTTATAAC
TaxonJ ACTTTTAAATTTTAAATTTTCCCTCAAA
TaxonK TTTTATAACTTATGGATTTCCACATGTA
TaxonL ATCTATAAATATTAATATCTTTTATAAA
TaxonM ACTTTTAAATTTTAAATATTCTCTTAAA

127. SNP データによる系統樹推定と収集バイアス
通常の塩基配列データSNP データ
TaxonA TCATTAATATTATTAATTTCAAGAAGAA
TaxonB TCATTAATATTATTAATTTCAAGAAGAA
TaxonC TCATTAATATTATTAATTTCAAGAAGAA
TaxonD TCATTAATATTATTAATCTCAAGAAGAA
TaxonE TCATTAATATTATTAATTTCAAGAAGAA
TaxonF TCATTAATATTATTAATTTCAAGAAGAA
TaxonG TCATTAATATTATTAATTTCAAGAAGAA
TaxonH TCATTAATATTATTAATTTCAAGAAGAA
TaxonI TCATTAATATTATTAATTTCTAGAAGAA
TaxonJ TCACTAATATTATTAATTTCTAGAAGAA
TaxonK TCTTTAATATTATTAATTTCAAGAAGAA
TaxonL TCATTAATACTATTAATTTCAAGAAGAA
TaxonM TCACTAATATTATTAATTTCTAGAAGAA
TaxonA ATTTATAAATTATAAAATTTTTCTTAAT
TaxonB ATTTATATATTGTAAAATTTTACTTGAT
TaxonC ATTTATGAATTTTAAAATTTTACTTAAT
TaxonD ATTCATAAACTCTAATATTTTACTTAAT
TaxonE ATTTATGAATTTTAAAATTTTACTTAAT
TaxonF ATTTATAAATTATAAAATTTTTCTTAAT
TaxonG ATTTATAAATTATAAAATTTTTCTTAAT
TaxonH ATTTATAAATTATAAAATTTTTCTTAAT
TaxonI ATTTTCAAATATCGATATTTTTTATAAC
TaxonJ ACTTTTAAATTTTAAATTTTCCCTCAAA
TaxonK TTTTATAACTTATGGATTTCCACATGTA
TaxonL ATCTATAAATATTAATATCTTTTATAAA
TaxonM ACTTTTAAATTTTAAATATTCTCTTAAA
● SNP データは「変異のあるサイトだけを集めている」バイアスがある

128. SNP データによる系統樹推定と収集バイアス
通常の塩基配列データSNP データ
TaxonA TCATTAATATTATTAATTTCAAGAAGAA
TaxonB TCATTAATATTATTAATTTCAAGAAGAA
TaxonC TCATTAATATTATTAATTTCAAGAAGAA
TaxonD TCATTAATATTATTAATCTCAAGAAGAA
TaxonE TCATTAATATTATTAATTTCAAGAAGAA
TaxonF TCATTAATATTATTAATTTCAAGAAGAA
TaxonG TCATTAATATTATTAATTTCAAGAAGAA
TaxonH TCATTAATATTATTAATTTCAAGAAGAA
TaxonI TCATTAATATTATTAATTTCTAGAAGAA
TaxonJ TCACTAATATTATTAATTTCTAGAAGAA
TaxonK TCTTTAATATTATTAATTTCAAGAAGAA
TaxonL TCATTAATACTATTAATTTCAAGAAGAA
TaxonM TCACTAATATTATTAATTTCTAGAAGAA
TaxonA ATTTATAAATTATAAAATTTTTCTTAAT
TaxonB ATTTATATATTGTAAAATTTTACTTGAT
TaxonC ATTTATGAATTTTAAAATTTTACTTAAT
TaxonD ATTCATAAACTCTAATATTTTACTTAAT
TaxonE ATTTATGAATTTTAAAATTTTACTTAAT
TaxonF ATTTATAAATTATAAAATTTTTCTTAAT
TaxonG ATTTATAAATTATAAAATTTTTCTTAAT
TaxonH ATTTATAAATTATAAAATTTTTCTTAAT
TaxonI ATTTTCAAATATCGATATTTTTTATAAC
TaxonJ ACTTTTAAATTTTAAATTTTCCCTCAAA
TaxonK TTTTATAACTTATGGATTTCCACATGTA
TaxonL ATCTATAAATATTAATATCTTTTATAAA
TaxonM ACTTTTAAATTTTAAATATTCTCTTAAA
● SNP データは「変異のあるサイトだけを集めている」バイアスがある
● 変異の有無によるデータ選別のバイアスを収集バイアスと言う

129. 収集バイアスのあるデータではブートストラップ値が上がる

130. 収集バイアスのあるデータではブートストラップ値が上がる
TaxonA CTATCTCTCTATAAC
TaxonB CTATCTCGCTATAAC
TaxonC CTATCACGCTATCAC
TaxonD CTATCACGCTATCAC
TaxonA TTA
TaxonB TGA
TaxonC AGC
TaxonD AGC

131. 収集バイアスのあるデータではブートストラップ値が上がる
TaxonA CTATCTCTCTATAAC
TaxonB CTATCTCGCTATAAC
TaxonC CTATCACGCTATCAC
TaxonD CTATCACGCTATCAC
● ブートストラップリサンプリングにおいて、左のデータで
((TaxonA,TaxonB),(TaxonC,TaxonD)) を支持するサイトが
一度もリサンプルされない確率は
TaxonA TTA
TaxonB TGA
TaxonC AGC
TaxonD AGC

132. 収集バイアスのあるデータではブートストラップ値が上がる
TaxonA CTATCTCTCTATAAC
TaxonB CTATCTCGCTATAAC
TaxonC CTATCACGCTATCAC
TaxonD CTATCACGCTATCAC
● ブートストラップリサンプリングにおいて、左のデータで
((TaxonA,TaxonB),(TaxonC,TaxonD)) を支持するサイトが
一度もリサンプルされない確率は
● (13/15)^15=0.11689
TaxonA TTA
TaxonB TGA
TaxonC AGC
TaxonD AGC

133. 収集バイアスのあるデータではブートストラップ値が上がる
TaxonA CTATCTCTCTATAAC
TaxonB CTATCTCGCTATAAC
TaxonC CTATCACGCTATCAC
TaxonD CTATCACGCTATCAC
● ブートストラップリサンプリングにおいて、左のデータで
((TaxonA,TaxonB),(TaxonC,TaxonD)) を支持するサイトが
一度もリサンプルされない確率は
● (13/15)^15=0.11689
● 右のデータでの同様の確率は
● (1/3)^3=0.03704
TaxonA TTA
TaxonB TGA
TaxonC AGC
TaxonD AGC

134. 収集バイアスのあるデータではブートストラップ値が上がる
TaxonA CTATCTCTCTATAAC
TaxonB CTATCTCGCTATAAC
TaxonC CTATCACGCTATCAC
TaxonD CTATCACGCTATCAC
● ブートストラップリサンプリングにおいて、左のデータで
((TaxonA,TaxonB),(TaxonC,TaxonD)) を支持するサイトが
一度もリサンプルされない確率は
● (13/15)^15=0.11689
● 右のデータでの同様の確率は
● (1/3)^3=0.03704
TaxonA TTA
TaxonB TGA
TaxonC AGC
TaxonD AGC
今のところ、対策はない

135. 収集バイアスのあるデータでは枝長めちゃくちゃになる

136. 収集バイアスのあるデータでは枝長めちゃくちゃになる
Lewis (2001)

137. 収集バイアスのあるデータでは枝長めちゃくちゃになる
● 収集バイアスのあるデータにおいて最尤法で枝長推定すると、正しく推定
できない
Lewis (2001)

138. 収集バイアスのあるデータでは枝長めちゃくちゃになる
● 収集バイアスのあるデータにおいて最尤法で枝長推定すると、正しく推定
できない
● バイアスを補正するモデルを当てはめると正しく推定できる
Lewis (2001)

139. 収集バイアスのあるデータでは枝長めちゃくちゃになる
Lewis (2001)
● 収集バイアスのあるデータにおいて最尤法で枝長推定すると、正しく推定
できない
● バイアスを補正するモデルを当てはめると正しく推定できる
● そもそもSNP に枝長まで含めて同一の系統樹を当てはめていいのか要検証

140. というわけで
最節約法を推奨

142. 塩基配列に基いて
種同定する
問題を考える

143. Similarity-based method

144. Similarity-based method
問い合わせ配列
ACGTACGT

145. Similarity-based method
問い合わせ配列
ACGTACGT
既知配列データベース
塩基配列
いっぱーい
BLAST 検索

146. Similarity-based method
問い合わせ配列
ACGTACGT
既知配列データベース
塩基配列
いっぱーい
BLAST 検索
ACGTACGT
ACATACGT
ACGTTCGT

147. Similarity-based method
問い合わせ配列
ACGTACGT
既知配列データベース
塩基配列
いっぱーい
BLAST 検索
ACGTACGT
ACATACGT
ACGTTCGT
・・・属Ω 種α
・・・属Ω 種β
・・・属Ω 種γ

148. Similarity-based method
問い合わせ配列
ACGTACGT
既知配列データベース
塩基配列
いっぱーい
BLAST 検索
ACGTACGT
ACATACGT
ACGTTCGT
・・・属Ω 種α
・・・属Ω 種β
・・・属Ω 種γ
属Ω 種不明

149. Similarity-based method の問題点

150. Similarity-based method の問題点
● BLAST 検索パラメータはどう指定する?

151. Similarity-based method の問題点
● BLAST 検索パラメータはどう指定する?
● 類似度最大の配列を取得

152. Similarity-based method の問題点
● BLAST 検索パラメータはどう指定する?
● 類似度最大の配列を取得
– 出現可能性のある全種が既知なら最適

153. Similarity-based method の問題点
● BLAST 検索パラメータはどう指定する?
● 類似度最大の配列を取得
– 出現可能性のある全種が既知なら最適
– 未知種または配列未登録種があると誤同定を招く

154. Similarity-based method の問題点
● BLAST 検索パラメータはどう指定する?
● 類似度最大の配列を取得
– 出現可能性のある全種が既知なら最適
– 未知種または配列未登録種があると誤同定を招く
● 類似度k 位までの配列を取得

155. Similarity-based method の問題点
● BLAST 検索パラメータはどう指定する?
● 類似度最大の配列を取得
– 出現可能性のある全種が既知なら最適
– 未知種または配列未登録種があると誤同定を招く
● 類似度k 位までの配列を取得
– k をいくつにすればいいかわからない

156. Similarity-based method の問題点
● BLAST 検索パラメータはどう指定する?
● 類似度最大の配列を取得
– 出現可能性のある全種が既知なら最適
– 未知種または配列未登録種があると誤同定を招く
● 類似度k 位までの配列を取得
– k をいくつにすればいいかわからない
● 類似度n% 以上の配列を取得

157. Similarity-based method の問題点
● BLAST 検索パラメータはどう指定する?
● 類似度最大の配列を取得
– 出現可能性のある全種が既知なら最適
– 未知種または配列未登録種があると誤同定を招く
● 類似度k 位までの配列を取得
– k をいくつにすればいいかわからない
● 類似度n% 以上の配列を取得
– n をいくつにすればいいかわからない

158. Similarity-based method の問題点
● BLAST 検索パラメータはどう指定する?
● 類似度最大の配列を取得
– 出現可能性のある全種が既知なら最適
– 未知種または配列未登録種があると誤同定を招く
● 類似度k 位までの配列を取得
– k をいくつにすればいいかわからない
● 類似度n% 以上の配列を取得
– n をいくつにすればいいかわからない
– 該当配列が存在しない場合がかなりあるはず

159. Meier et al. (2006) の規準

160. Meier et al. (2006) の規準
同定結果分類群内のバーコード配列
と問い合わせ配列間の最大変異量

161. Meier et al. (2006) の規準
同定結果分類群内のバーコード配列
と問い合わせ配列間の最大変異量
<
他の分類群のバーコード配列
と問い合わせ配列の最小変異量

162. イメージ図
配列B
配列A
問い合わせ配列
配列C
配列D
配列空間

163. イメージ図
属Ω
種α
属Ω
種β
配列B
配列A
問い合わせ配列
配列C
配列D
配列空間

164. イメージ図
属Ω の変異の範囲
配列B
配列A
問い合わせ配列
配列C
配列D
配列空間

165. イメージ図
属Ω 種不明
配列B
配列A
問い合わせ配列
配列C
配列D
配列空間
属Ω の変異の範囲

166. 実用上の問題点

167. 実用上の問題点
● 「同定結果分類群内のバーコード配列と問い合わせ配列間の最大変異量」
の算出に必要な計算量が多い

168. 実用上の問題点
● 「同定結果分類群内のバーコード配列と問い合わせ配列間の最大変異量」
の算出に必要な計算量が多い
● 種で落ちなければ属、属もダメなら科、それでダメなら目、と分類階層を
上げながら何度も試行が必要なため遅い

169. 実用上の問題点
● 「同定結果分類群内のバーコード配列と問い合わせ配列間の最大変異量」
の算出に必要な計算量が多い
● 種で落ちなければ属、属もダメなら科、それでダメなら目、と分類階層を
上げながら何度も試行が必要なため遅い
● 既知配列データベースに別領域配列が混入していると、「同定結果分類群
内のバーコード配列と問い合わせ配列間の最大変異量」が大きくなるた
め、低レベルまで落とすことができない

170. Tanabe&Toju (2013) の規準

171. Tanabe&Toju (2013) の規準
問い合わせ配列と最近隣配列間の変異量

172. Tanabe&Toju (2013) の規準
問い合わせ配列と最近隣配列間の変異量
<
同定結果分類群内のバーコード配列間の最大変異量

173. イメージ図
配列B
配列A
配列空間
問い合わせ配列

174. イメージ図
配列空間
属Ω
種α
属Ω
種β
配列B
配列A
問い合わせ配列

175. イメージ図
配列空間
属Ω の変異の範囲
配列B
配列A
問い合わせ配列

176. イメージ図
属Ω 種不明
配列空間
属Ω の変異の範囲
配列B
配列A
問い合わせ配列

177. 実用上の長所

178. 実用上の長所
● 既知配列データベースに別領域配列が混入していても問題ない

179. 実用上の長所
● 既知配列データベースに別領域配列が混入していても問題ない
● 問い合わせ配列が別領域配列でも既知配列データベースにその領域の配列
があれば同定可能

180. 実用上の長所
● 既知配列データベースに別領域配列が混入していても問題ない
● 問い合わせ配列が別領域配列でも既知配列データベースにその領域の配列
があれば同定可能
● 多段階の試行が必要ないため高速

181. 実用上の長所
● 既知配列データベースに別領域配列が混入していても問題ない
● 問い合わせ配列が別領域配列でも既知配列データベースにその領域の配列
があれば同定可能
● 多段階の試行が必要ないため高速
● 「同定結果分類群内のバーコード配列間の最大変異量」を計算しなくても
条件を満たす分類群を得られるため高速

182. NN-centric auto-k-NN （ NNauto ）法

183. NN-centric auto-k-NN （ NNauto ）法
配列空間
問い合わせ配列

184. NN-centric auto-k-NN （ NNauto ）法
A
配列空間
DQA
問い合わせ配列
1. 最近隣配列(A) を探し出して変異量(DQA) を算出

185. NN-centric auto-k-NN （ NNauto ）法
DQA
A
B
配列空間
問い合わせ配列
1. 最近隣配列(A) を探し出して変異量(DQA) を算出
2. DAB>DQAを満たす配列のうち最もA に近い配列(B) を得る

186. NN-centric auto-k-NN （ NNauto ）法
DAB
A
B
N
N
N
配列空間
問い合わせ配列
1. 最近隣配列(A) を探し出して変異量(DQA) を算出
2. DAB>DQAを満たす配列のうち最もA に近い配列(B) を得る
3. DAN≤DABを満たす全ての配列(N) を得る

187. NN-centric auto-k-NN （ NNauto ）法
DAB
A
B
N
N
N
配列空間
問い合わせ配列
1. 最近隣配列(A) を探し出して変異量(DQA) を算出
2. DAB>DQAを満たす配列のうち最もA に近い配列(B) を得る
3. DAN≤DABを満たす全ての配列(N) を得る
4. A, B, N の全配列で共通する分類群を採用

188. NN-centric auto-k-NN （ NNauto ）法
DAB
A
B
N
N
N
配列空間
問い合わせ配列と最近隣配列間の変異量
問い合わせ配列
＜ ≦ ＝
DQA
DAB
同定結果分類群内のバーコード配列間の最大変異量
1. 最近隣配列(A) を探し出して変異量(DQA) を算出
2. DAB>DQAを満たす配列のうち最もA に近い配列(B) を得る
3. DAN≤DABを満たす全ての配列(N) を得る
4. A, B, N の全配列で共通する分類群を採用

189. Query-centric auto-k-NN （ QCauto ）法

190. Query-centric auto-k-NN （ QCauto ）法
A
配列空間
DQA
問い合わせ配列
1. 最近隣配列(A) を探し出して変異量(DQA) を算出

191. Query-centric auto-k-NN （ QCauto ）法
DQA
A
B
配列空間
問い合わせ配列
1. 最近隣配列(A) を探し出して変異量(DQA) を算出
2. DAB>DQAを満たす配列のうち最もA に近い配列(B) を得る

192. Query-centric auto-k-NN （ QCauto ）法
A
B
N
N
配列空間
DQB
問い合わせ配列
N
1. 最近隣配列(A) を探し出して変異量(DQA) を算出
2. DAB>DQAを満たす配列のうち最もA に近い配列(B) を得る
3. DQN≤DQBを満たすすべての配列(N) を得る

193. Query-centric auto-k-NN （ QCauto ）法
A
B
N
N
配列空間
DQB
問い合わせ配列
N
1. 最近隣配列(A) を探し出して変異量(DQA) を算出
2. DAB>DQAを満たす配列のうち最もA に近い配列(B) を得る
3. DQN≤DQBを満たすすべての配列(N) を得る
4. A, B, N の全配列で共通する分類群を採用

194. Query-centric auto-k-NN （ QCauto ）法
A
B
N
N
配列空間
問い合わせ配列と最近隣配列間の変異量
DQB
問い合わせ配列
＜ ≦ ＝
同定結果分類群内のバーコード配列間の最大変異量
N
DQA
DQB
1. 最近隣配列(A) を探し出して変異量(DQA) を算出
2. DAB>DQAを満たす配列のうち最もA に近い配列(B) を得る
3. DQN≤DQBを満たすすべての配列(N) を得る
4. A, B, N の全配列で共通する分類群を採用

196. 新しい方法の作り方

197. 新しい方法の作り方
データの性質

198. 新しい方法の作り方
データの性質
計算機の性質

199. 新しい方法の作り方
データの性質
計算機の性質
アルゴリズムの性質

200. 新しい方法の作り方
データの性質
計算機の性質
アルゴリズムの性質
生物学的に妥当で
計算を楽にする仮定

201. 新しい方法の作り方
データの性質
計算機の性質
アルゴリズムの性質
生物学的に妥当で
計算を楽にする仮定
新しい方法

202. 既存の方法の妥当性を考えるときも同じ
データの性質
計算機の性質
アルゴリズムの性質
生物学的に妥当で
計算を楽にする仮定
既存の方法

203. 計算機科学の
研究者と
交流すべき

204. 計算機科学の
研究者と
交流すべき

205. 計算機科学の素養を
生物学者が備えるべき

206. まとめ
● ベイズ系統樹推定はMCMC というアルゴリズムが並列処理に向いていない
ため、これ以上の発展は困難な可能性が高い
● ゲノム時代に入ってデータ取得コストが劇的に低下したため、最尤系統樹
推定法に不適なデータは捨ててしまうという対処法が現実的
● SNP など収集バイアスのあるデータでは、最尤法・ベイズ法を適用するな
ら尤度の補正が必要
● SNP データの解析では少なくとも最節約法は使用すべき
● 塩基配列による種同定では、種内の変異の範囲内に入るかどうかを調べれ
ばよい
● 計算機とアルゴリズムの性質を踏まえて現実的な時間で分子同定可能な方
法を開発した
● 新しい方法を考案するとき、既存の方法の妥当性を考えるとき、データ・
計算機・アルゴリズムの性質に基いて正当化できるかどうか考えるとよい