例 5つの分類群を用いた近隣結合法。この場合、2回の近隣結合ステップで、トポロジーが完全に解明された系統樹が得られます。得られた系統樹の枝には、その長さがラベル付けされています。
5つの分類群があると仮定しましょう( 1 、 b 、 c 、 d 、 e ) {\displaystyle (a,b,c,d,e)} そして以下の距離行列D {\displaystyle D} :
最初のステップ
最初の距離行列の更新 次に、初期距離行列を更新します。D {\displaystyle D} 新しい距離行列にD 1 {\displaystyle D_{1}} (下記参照)結合により、行と列が1つずつ縮小1 {\displaystyle a} とb {\displaystyle b} 隣人へu {\displaystyle u} 上記の式(3 )を用いて、からの距離を計算します。u {\displaystyle u} 他の各ノードに対して1 {\displaystyle a} そしてb {\displaystyle b} この場合、以下の結果が得られます。
d ( u 、 c ) = 1 2 [ d ( 1 、 c ) + d ( b 、 c ) − d ( 1 、 b ) ] = 9 + 10 − 5 2 = 7 {\displaystyle d(u,c)={\frac {1}{2}}[d(a,c)+d(b,c)-d(a,b)]={\frac {9+10-5}{2}}=7} d ( u 、 d ) = 1 2 [ d ( 1 、 d ) + d ( b 、 d ) − d ( 1 、 b ) ] = 9 + 10 − 5 2 = 7 {\displaystyle d(u,d)={\frac {1}{2}}[d(a,d)+d(b,d)-d(a,b)]={\frac {9+10-5}{2}}=7} d ( u 、 e ) = 1 2 [ d ( 1 、 e ) + d ( b 、 e ) − d ( 1 、 b ) ] = 8 + 9 − 5 2 = 6 {\displaystyle d(u,e)={\frac {1}{2}}[d(a,e)+d(b,e)-d(a,b)]={\frac {8+9-5}{2}}=6} 結果として得られる距離行列D 1 {\displaystyle D_{1}} は:
太字の値はD 1 {\displaystyle D_{1}} これらは新たに計算された距離に対応し、斜体で示された値は、分類群の最初の結合に関与していない要素間の距離に対応するため、行列の更新の影響を受けません。
最終ステップ この時点でツリートポロジーは完全に解決されています。ただし、明確にするために、Q 3 {\displaystyle Q_{3}} 行列。例:
Q 3 ( v 、 e ) = ( 3 − 2 ) d ( v 、 e ) − ∑ k = 1 3 d ( v 、 k ) − ∑ k = 1 3 d ( e 、 k ) = 3 − 7 − 6 = − 10 {\displaystyle Q_{3}(v,e)=(3-2)d(v,e)-\sum _{k=1}^{3}d(v,k)-\sum _{k=1}^{3}d(e,k)=3-7-6=-10} 具体的にするために、v {\displaystyle v} そしてd {\displaystyle d} そして最後のノードを呼び出すw {\displaystyle w} 残りの3つの枝の長さは次のように計算できます。
δ ( v 、 w ) = 1 2 d ( v 、 d ) + 1 2 ( 3 − 2 ) [ ∑ k = 1 3 d ( v 、 k ) − ∑ k = 1 3 d ( d 、 k ) ] = 4 2 + 7 − 7 2 = 2 {\displaystyle \delta (v,w)={\frac {1}{2}}d(v,d)+{\frac {1}{2(3-2)}}\left[\sum _{k=1}^{3}d(v,k)-\sum _{k=1}^{3}d(d,k)\right]\quad ={\frac {4}{2}}+{\frac {7-7}{2}}=2} δ ( w 、 d ) = d ( v 、 d ) − δ ( v 、 w ) = 4 − 2 = 2 {\displaystyle \delta (w,d)=d(v,d)-\delta (v,w)=4-2=2} δ ( w 、 e ) = d ( v 、 e ) − δ ( v 、 w ) = 3 − 2 = 1 {\displaystyle \delta (w,e)=d(v,e)-\delta (v,w)=3-2=1} 図に示すように 、これで近隣結合ツリーが完成しました。
結論:加算距離 この例は理想化されたケースを表しています。ツリーの枝に沿って任意の分類群から他の分類群へ移動し、移動した枝の長さを合計すると、入力距離行列におけるそれらの分類群間の距離と等しくなることに注意してください。たとえば、d {\displaystyle d} にb {\displaystyle b} 我々は持っています2 + 2 + 3 + 3 = 10 {\displaystyle 2+2+3+3=10} このように距離が何らかの系統樹と一致する距離行列は「加法的」であると言われますが、実際にはこのような性質を持つものは稀です。加法的距離行列を入力として与えられた場合、近隣結合法は、分類群間の距離がその行列と一致する系統樹を必ず見つけ出します。
独自性 近隣結合法で使用される Q 行列は一意です。
入力距離の線形関数 加算距離に適用すると常に隣接するペアを選択し、 ラベルの付け替えに対して不変である 常にQ行列の最小値を選択するのと同じペアを選択します。[ 5 ]
近隣参加を最小進化形とする 近隣結合法は、バランス最小進化 [ 6 ] (BME) 基準に対する貪欲なヒューリスティック と見なすことができます。各トポロジーについて、BME は、距離行列内の距離の特定の重み付き和としてツリーの長さ (枝の長さの合計) を定義します。重みはトポロジーに依存します。BME の最適トポロジーは、このツリーの長さを最小化するものです。NJ は各ステップで、推定ツリーの長さを最も大きく減少させる分類群のペアを貪欲に結合します。この手順は、BME 基準の最適解を見つけることを保証するものではありませんが、多くの場合、最適解を見つけ、通常はそれに非常に近いものになります。[ 6 ]
メリットとデメリット NJ の主な利点は、最小二乗法 、最大節約法 、最尤法に 比べて高速であることです[ 7 ] : 466 [ 7 ] このため、大規模なデータセット (数百または数千の分類群) の分析やブートストラップ に実用的であり、これらの目的のために他の分析方法 (最大節約 法、最尤法など) は 計算 コストが高すぎる場合があります。
近隣結合法には、入力距離行列が正しければ出力ツリーも正しくなるという性質があります。さらに、距離行列が「ほぼ加算的」である限り、つまり、距離行列の各エントリが、ツリー内の最短枝長の半分未満だけ真の距離と異なる限り、出力ツリーのトポロジーの正しさが保証されます。[ 8 ] 実際には、距離行列がこの条件を満たすことはめったにありませんが、近隣結合法は、いずれにしても正しいツリーのトポロジーを構築することがよくあります。[ 9 ] ほぼ加算的な距離行列に対する近隣結合法の正しさは、多くの進化モデルの下で統計的に一貫して いることを意味します。十分な長さのデータがあれば、近隣結合法は高い確率で真のツリーを再構築します。UPGMAやWPGMAと比較すると、近隣結合法は、すべての系統が同じ速度で進化する と仮定しない( 分子時計仮説 )という利点があります。
しかしながら、近隣結合法は、距離尺度に依存せず、ほとんどの条件下でより優れた精度を提供する系統解析手法にほぼ取って代わられている。近隣結合法には、一部の枝に負の長さを割り当てることがあるという望ましくない特徴がある。
実装とバリエーション 近隣結合法を実装したプログラムは多数存在する。標準的な NJ(つまり、古典的なNJ最適化基準を使用するため、同じ結果が得られる)の実装の中では、RapidNJ(2003年に開始、2011年にメジャーアップデート、2023年現在も更新中)[ 10 ] とNINJA(2009年に開始、2013年に最終アップデート)[ 11 ] が最先端とみなされている。これらの典型的な実行時間は、分類群数の約2乗に比例する。
標準から逸脱するバリアントには以下が含まれます。
BIONJ (1997) [ 12 ] および Weighbor (2000) [ 13 ] は、距離行列内の短い距離は一般的に長い距離よりもよくわかっているという事実を利用して精度を向上させています。これらの 2 つの方法は、不完全な距離行列でも実行できるように拡張されています。[ 14 ] 「Fast NJ」は最良のノードを記憶し、常にO(n^2)です。「relax NJ」はヒルクライミング探索を実行し、最悪の場合の複雑さはO(n^3)のままです。Rapid NJは、通常のrelax NJよりも高速です。[ 15 ] FastME は、密接に関連するバランス最小進化 (BME) 法の実装です( § 最小進化としての近隣結合を 参照)。NJ と同程度の速度で、より正確です。粗いツリーから始めて、最近傍交換 (NNI) などの一連のトポロジー移動を使用してそれを改善します。[ 16 ] FastTree は関連する手法です。行列ではなくシーケンスの「プロファイル」で動作します。近似 NJ ツリーから始めて、それを BME に再配置し、次に近似最大尤度に再配置します。[ 17 ] NeighborNet [ 18 ] は、系統樹ではなく、Q行列と削減ステップの変種を使用して系統ネットワークを作成します。
参考文献 ↑ 斎藤直樹、内正人(1987年7月1日)「近隣結合法:系統樹再構築のための新しい方法」 .分子生物学と進化 . 4 (4):406–425 . doi :10.1093/oxfordjournals.molbev.a040454 . PMID 3447015 . ↑ Xavier Didelot (2010). "細菌集団構造の配列に基づく解析" . D. Ashley Robinson; Daniel Falush; Edward J. Feil (編) 『感染症における細菌集団遺伝学』 John Wiley and Sons. pp. 46–47 . ISBN 978-0-470-42474-2 。↑ Studier, JA; Keppler, KJ (1988年11月) 「斎藤と根井の近隣結合アルゴリズムに関する注記」 . Molecular Biology and Evolution . 5 (6): 729–31 . doi : 10.1093/oxfordjournals.molbev.a040527 . ISSN 1537-1719 . PMID 3221794 . ↑ Mailund, Thomas; Brodal, GerthS; Fagerberg, Rolf; Pedersen, Christian NS; Phillips, Derek (2006). " Recrafting the neighbor-joining method" . BMC Bioinformatics . 7 (1): 29. doi : 10.1186/1471-2105-7-29 . PMC 3271233. PMID 16423304 . ↑ Bryant, David (2005 年 6 月). 「近隣結合法における選択基準の一意性について」 . Journal of Classification . 22 (1): 3– 15. doi : 10.1007/s00357-005-0003-x . ISSN 0176-4268 . 1 2 Gascuel O、 Steel M (2006)。 「近隣結合法が明らかに」 。Mol Biol Evol . 23 (11): 1997–2000。doi : 10.1093/ molbev / msl072。PMID 16877499 。 1 2 Kuhner, MK; Felsenstein, J. (1994-05-01). "等しい進化速度と不等しい進化速度の下での系統発生アルゴリズムのシミュレーション比較" . Molecular Biology and Evolution . 11 (3): 459– 468. doi : 10.1093/oxfordjournals.molbev.a040126 . ISSN 0737-4038 . PMID 8015439 . ↑ Atteson K (1997). 「系統樹再構築における近隣結合アルゴリズムの性能」、pp. 101 – 110。Jiang, T.、Lee, D. 編、 Lecture Notes in Computer Science、1276 、Springer-Verlag、ベルリン。COCOON '97。 ↑ Mihaescu R、Levy D、 Pachter L (2009)。「なぜ近隣結合が機能するのか」 。Algorithmica。54 ( 1 ) : 1–24。arXiv : cs / 0602041。doi : 10.1007 / s00453-007-9116-4。S2CID 2462145 。 {{cite journal}}: CS1 maint: 複数の名前: 著者リスト (リンク)↑ "RapidNJ" . birc.au.dk . ↑ "NINJA: 大規模な近隣結合系統樹推定のためのツール - ホーム" . wheelerlab.org . ↑ 「ATGC:BioNJ」 。 www.atgc-montpellier.fr 。 ↑ 「WEIGHBORホームページ」 。2015年3月5日。2015年3月5日の オリジナル からアーカイブ済み 。 ↑ Criscuolo, Alexis; Gascuel, Olivier (2008 年 12 月). "不完全な距離行列を扱うための高速 NJ ライク アルゴリズム" . BMC Bioinformatics . 9 (1): 166. doi : 10.1186/1471-2105-9-166 . PMC 2335114 . PMID 18366787 . ↑ Simonsen, Martin; Mailund, Thomas; Pedersen, Christian NS (2008). "Rapid Neighbour-Joining" (PDF) . Algorithms in Bioinformatics . Lecture Notes in Computer Science. Vol. 5251. pp. 113– 122. doi : 10.1007/978-3-540-87361-7_10 . ISBN 978-3-540-87360-0 。↑ 「ATGC: FastME」 。 www.atgc-montpellier.fr 。 ↑ 「FastTree 2.1: 大規模 アライメント のための近似最大尤度ツリー」 。www.microbesonline.org 。 ↑ Bryant, D. (2003-08-29). "Neighbor-Net: 系統発生ネットワーク構築のための凝集法" . Molecular Biology and Evolution . 21 (2): 255– 265. doi : 10.1093/molbev/msh018 . ISSN 0737-4038 .
その他の情報源 Studier JA、Keppler KJ ( 1988)。 「斎藤とNeiの近隣結合アルゴリズムに関する注記」。Mol Biol Evol . 5 (6): 729–731。doi : 10.1093/ oxfordjournals.molbev.a040527。PMID 3221794 。 Martin Simonsen; Thomas Mailund; Christian NS Pedersen (2008). "Rapid Neighbour-Joining". Algorithms in Bioinformatics . Lecture Notes in Computer Science. Vol. 5251. pp. 113–122 . CiteSeerX 10.1.1.218.2078 . doi : 10.1007/978-3-540-87361-7_10 . ISBN 978-3-540-87360-0 。