マフト

バイオインフォマティクスにおいて、MAFFT（高速フーリエ変換を用いた多重アライメント）は、アミノ酸またはヌクレオチド配列の多重配列アライメントを作成するために使用されるプログラムです。2002年に公開された最初のバージョンでは、高速フーリエ変換を利用して配列をクラスター化するプログレッシブアライメントに基づくアルゴリズムが使用されていました。^[2] MAFFTの後続のバージョンでは、他のアルゴリズムと操作モードが追加されました。^[3]これには、多数の配列のアライメントを高速化するオプション、^[4]より高精度なアライメント、^[5]非コードRNA配列のアライメント、^[6]既存のアライメントへの新しい配列の追加が含まれます。^[7]

MAFFT ソフトウェアには多くのバリエーションがあり、その一部を以下に示します。

• MAFFT – 2002年に加藤和孝氏によって作成された最初のバージョンでは、高速フーリエ変換を利用してシーケンスをクラスター化するプログレッシブアライメントに基づくアルゴリズムが使用されていました。^[2]
• MAFFT v5 – 2005年にリリースされた第2世代のソフトウェアは、元のソフトウェアを書き直したものです。^[3]この世代では、CPU時間を短縮し、大きな挿入や拡張を持つ配列や、同様の長さの遠縁の配列でもアライメントの精度を向上させるために、簡素化されたスコアリングシステムが導入されました。^[2]
• MAFFT v6 – 2006年にリリースされた第3世代では、以前のバージョンからさらに改良が加えられました。^[3]グループ間のアライメント、近似的だがより高速なO ( NlogN )ツリー構築アルゴリズムを持つガイドツリーを実装し、約50,000配列のより大きなデータセットで使用できるバージョンになりました。
• MAFFT v7 – 2012年にリリースされた第4世代では、速度と精度が大幅に向上しました。^[3]
• MAFFT v7.511 – 2022 年 12 月にリリースされた最新バージョンでは、さまざまなバグが修正され、バージョン 7 が改良されました。最も注目すべき点の 1 つは、オプションの全面的な見直しです。これにより、反復的な改良が可能になり、複数のサブ MSA から単一の MSA を作成できるほか、と--mergeの組み合わせも可能になりました。また、MAFFT v7 の速度と精度にもいくつかの小さな機能強化が行われました。--merge--seed

MAFFTアルゴリズムは、ペアワイズアライメント、距離計算、ガイドツリー構築、プログレッシブアライメント、反復改良の5つのステップに従って動作します。^[8]

• ペアワイズアライメント– このステップは、入力された配列間で類似している領域を識別するために使用されます。アルゴリズムは、入力された配列を使用して、すべての配列にわたってペアワイズアライメントを実行することから始まります。このステップの時間計算量はO(L^2)で、Lは配列です。^[9]

• 距離マトリックス– 計算されたペアワイズアライメントを使用して、距離マトリックス計算が行われ、アライメントスコアに基づいてアライメント間の非類似性を評価します。^[9]距離計算ステップは、類似性に基づいてシーケンスを整理するのに役立ちます。距離マトリックスの時間計算量は O(N^2L^2) ^[9]です。ここで、N はシーケンスの数、L はシーケンスの長さです。この時間計算量が発生するのは、シーケンスのペア間の距離計算では、各シーケンスのすべての位置を比較する必要があるためです。

• ガイドツリー– 距離行列を使用して、クラスターの階層的表現（各ノードがクラスター）があり、含まれるブランチがクラスター間の距離であるガイドツリーが構築されます。O(N^2L) ^[10]はガイドツリーの構築にかかる時間計算量であり、Nはシーケンスの数です。

• プログレッシブアライメント– ガイドツリーを使用して、リーフからルートまでプログレッシブアライメント^[9]を実行します。アルゴリズムは入力されたシーケンスを使用して子ノードをアライメントし、親ノードのコンセンサスアライメントを計算します。このステップは、ツリー全体がトラバースされて最終的な多重シーケンスアライメントが得られるまで実行されます。プログレッシブアライメント法の時間計算量は O(N^2L) + O(NL^2) です。^[10]これは、最初の項が前述のガイドツリーの計算に対応し、2 番目の項がグループ間のアライメントに対応するためです。

• 反復アライメント– 反復改良ステップでは、ギャップと挿入の位置を調整しながらプロセス全体を繰り返し、アライメントの精度を向上させます。^[9]反復アライメントの時間計算量は、発生する反復回数に依存します。ただし、一般的にこの方法の時間計算量は O(N2L) + O(NL2) ^[10]です。ここで、N はシーケンスの数、L はシーケンスの長さです。

このプログラムは複数のシーケンスを入力として受け取ることができ、次の 2 つの方法で入力できます。

ユーザーは入力ウィンドウに3つ以上の配列を直接入力することができます。入力できる形式は、GCG、FASTA、EMBL（ヌクレオチドのみ）、GenBank、PIR、NBRF、PHYLIP、UniProtKB/Swiss-Prot（タンパク質のみ）のいずれかです。部分的にフォーマットされた配列は受け入れられないことに注意することが重要です。また、配列の最後に改行を追加すると、特定のアプリケーションが入力を理解しやすくなる場合があります。また、隠し文字や制御文字が含まれている可能性があるため、ワードプロセッサのデータの使用は避けることをお勧めします。^[11]

ユーザーは、上記のいずれかの形式で、3つ以上の有効な配列を含むファイルをアップロードできます。ワードプロセッサフ​​ァイルには隠し文字や制御文字が含まれているため、予期しない結果が生じる可能性があります。そのため、 Windowsの隠し文字を避けるために、Unix形式オプションでファイルを保存するのが最善です。ファイルをアップロードすると、多重配列アライメントの入力として使用できます。^[11]

DOSおよびWindows形式で保存されたテキストファイルは、 UnixおよびLinux形式で保存されたものとは行末が異なります。DOS-Windowsでは、行末を示すために復帰文字と改行文字の組み合わせ（"\r\n"）を使用しますが、Unix-Linuxシステムでは、行末を示すために改行文字（"\n"）のみを使用します。^[12]

WindowsとUnixベースのシステム間でファイルを転送する場合、行末が正しく変換されるようにこれらの違いに注意することが重要です。そうしないと、Windows形式のファイル内の隠れた復帰文字が、Unixベースのシステムで表示または編集するときに問題を引き起こす可能性があります。その逆も同様です。^[12]

ユーザーは、次の 2 つの形式のいずれかで多重配列アライメント (MSA) を生成するよう要求することができます。

デフォルト値: Pearson/FASTA [fasta]

MAFFT アルゴリズムの動作に影響する設定は多数あります。ニーズに合わせて設定を調整することが、正確で意味のある結果を得るための最善の方法です。理解しておくべき最も重要な設定は、スコアリング マトリックス、ギャップ オープン ペナルティ、ギャップ拡張ペナルティです。

• スコアリングマトリックス– BLASTP、SSEARCH（UNIT 3.10）、FASTAなどのタンパク質配列類似性検索プログラムは、遠い進化関係を識別するように設計されたスコアリングマトリックスを使用します（BLASTの場合はBLOSUM62、SEARCHとFASTAの場合はBLOSUM50）。異なる類似性スコアリングマトリックスは、異なる進化距離で最も効果的です。BLOSUM62やBLOSUM50などの「深い」スコアリングマトリックスは、20〜30％の同一性を持つアラインメントをターゲットにし、「浅い」スコアリングマトリックス（例：VTML10〜VTML80）は、90〜50％の同一性を共有するアラインメントをターゲットにし、進化の変化をはるかに少なく反映します。" ^[13]オリジナルのMAFFTでは、スコアリング方程式を以下に示します。

• ギャップオープンペナルティ–ギャップペナルティは、アラインメント内のギャップに割り当てられる負のスコアです。ギャップに対して固定コストが課される定数、または挿入または削除される各シンボルに対して固定コストが課される線形のいずれかになります。アフィンギャップペナルティは、ギャップの最初のシンボルに対して定数ペナルティを課し、挿入または削除される追加のシンボルごとに別の定数ペナルティを課すことで、この2つを組み合わせたものです。^[14]

• ギャップ拡張ペナルティ– ギャップ拡張ペナルティは、配列アライメントにおけるギャップ領域内の追加ギャップシンボルごとに割り当てられるコストスコアです。長いギャップ領域の形成を抑制するために使用されます。通常、ギャップ開始ペナルティよりも小さくなります。^[15]

MAFFTは、バイオインフォマティクスにおける多重配列アライメントのための最も正確で多用途なツールの1つであると広く考えられています。実際、研究では、MAFFTはClustal WやT-Coffeeなどの他の一般的なアルゴリズムと比較して、特に大規模なデータセットや分岐度の高い配列に対して非常に優れたパフォーマンスを発揮することが示されています。^{[16]たとえば、配列長の増加に対するさまざまなアライメントアルゴリズムのパフォーマンスを比較した研究では、MAFFTのFFT-NS-2アルゴリズムが、テストされたすべての配列サイズで最速のプログラムであることがわかりました。これは、非常に分岐した配列でも迅速かつ正確なアライメントを可能にする}高速フーリエ変換（FFT）アルゴリズムを使用しているためです。高速フーリエ変換（FFT）を使用しているため、アルゴリズムは、指定されたデータセットに応じてO（n^2）またはO（n）で実行されます。MAFFTは、同じまたは同様の精度を持つ他のアルゴリズム、特にT-Coffee、Clustal W、およびNeedleman-WunschよりもCPU実行時間が短くなります。^[2]

MAFFTの後のバージョンでは、多数の配列のアライメントを高速化するオプション、^[9]、より高精度なアライメント、^[17]、非コードRNA配列のアライメント、^[18]、既存のアライメントへの新しい配列の追加などの他のアルゴリズムと操作モードが追加されました。^[19]

MAFFTは、 Clustal WやT-Coffeeなどの他の人気アルゴリズムの中でも、その高い精度、汎用性、および機能の多さで際立っています。MAFFTは、反復改良や一貫性に基づくアプローチなど、アライメントの精度と堅牢性をさらに高めるさまざまなアライメント方法と戦略を提供します。その結果、MAFFTは複数の配列のアライメントのための強力なツールとして広く認識され、科学界から高く評価されています。^[20]

• 配列アライメントソフトウェア
• クラスタル

• 公式サイト
• MAFFT オンライン サーバー
• EBI の MAFFT サーバー
• MAFFT による多重配列アライメント: ClustalW、MAFFT、GenomeNet の PRRN
• SIB MyHits: ClustalW、T-Coffee、MAFFT