Оценка методов выбора матриц аминокислотных замен и их применения к эмпирическим данным показывает необоснованность произвольного выбора матрицы

Введение: В последние годы модельные методы, такие как метод максимального правдоподобия, стали основными при построении филогенетических деревьев. Ряд авторов показал, что для получения точных филогенетических деревьев важно использовать адекватные модели замен. Ранее было разработано множество эмпирических моделей аминокислотных замен с использованием различных методов и наборов белковых данных. Обычно эти матрицы используют в качестве суррогатных моделей, вместо того чтобы выводить модель максимального правдоподобия на основе анализируемого набора данных. За редкими исключениями, выбор между альтернативными матрицами осуществляли произвольно, без формального обоснования.

Результаты: Сначала мы продемонстрировали потенциальную опасность произвольного выбора белковых моделей на эмпирическом примере, в котором одно выравнивание при использовании двух произвольно выбранных моделей аминокислотных замен приводило к двум топологически различным и убедительно поддержанным филогенетическим деревьям. Простые симуляции показали, что статистические методы выбора моделей действительно устойчивы и, вероятно, пригодны для выбора моделей белков. Мы исследовали закономерности аминокислотных замен в гомологичных последовательностях, представляющих три домена жизни, и установили, что ни одна матрица аминокислотных замен не была оптимальной для всех наборов данных. Особенно примечательно, что для двух крупных наборов данных, полученных на основе протеобактерий и архей, одной из наиболее предпочтительных моделей в обоих случаях оказалась модель, первоначально разработанная по белкам Pol ретровирусов.

Выводы: Выбор белковых моделей на основании их источника или метода построения может быть неоправданным.