A Biased Urn Model for Taxonomic Identification

Abstract

Wir betrachten ein stochastisches Modell für das Problem taxonomischer Identifikation in bakteriellen Genomen, welches durch die Erkennung horizontalen Gentransfer zwischen entfernt verwandten Species motiviert ist. Wir konzentrieren uns auf die Modellierung der Bevorzugung von Dinukleotiden in prokaryotischen Genomen. Dazu konstruieren wir ein gewichtetes Urnenmodell mit Hilfe der nichtzentrierten hypergeometrischen Verteilung. Es wird gezeigt, dass das Modell, welches sich in vier Schritten aufbaut, wohldefiniert ist. Des weiteren ist es hinreichend allgemein, um beliebige Dinukleotide im Hinblick auf die Position innerhalb des Codons sowie deren Kombinationen zu behandeln. Zur Ergänzung bestehender Codon Usage Ansätze heben wir das Intercodon-Übergangsdinukleotid hervor.Wir zeigen, dass sich die Bevorzugung von Dinukleotiden durch ein 9-Parameter-Tupel, für welches approximative Schätzer verfügbar sind, beschreiben lässt. Zusätzlich zeigen wir, dass eine weitere Parameterreduktion unmöglich ist. Die Leistungsfähigkeit der Detektionsprozedur für horizontalen Gentransfer, die auf diesem Modell basiert, wird an Hand eines Benchmark-Datensatzes evaluiert und kann mit bisherigen Ansätzen konkurrieren. Schließlich wird gezeigt, dass sich die biologischen Verwandtschaftsbeziehungen in der Geometrie des Parameterraumes widerspiegeln, was es uns ermöglicht, das Phylum zum Organismus, aus welchem eine Genomsequenz stammt, vorherzusagen. Das erlaubt Anwendungen im Bereich der Metagenomik, für die wir eine denkbare Vorgehensweise darlegen.