Luận án Tiến sĩ Công nghệ Thông tin: Các phương pháp nhanh xây dựng cây bootstrap tiến hóa

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Hoàng Thị Điệp CÁC PHƯƠNG PHÁP NHANH XÂY DỰNG CÂY BOOTSTRAP TIẾN HÓA LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN Hà Nội – 2019 TIEU LUAN MOI download : skknchat@gmail.com ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Hoàng Thị Điệp CÁC PHƯƠNG PHÁP NHANH XÂY DỰNG CÂY BOOTSTRAP TIẾN HÓA Chuyên ngành: Khoa học Máy tính Mã số: 9480101.01 LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. Lê Sỹ Vinh 2. Hoàng Xuân Huấn Hà Nội – 2019 TIEU LUAN MOI download : skknchat@gmail.com Lời cam đoan Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các kết quả được viết chung với các tác giả khác đều được sự đồng ý của các đồng tác giả trước khi đưa vào luận án.

Các kết quả nêu trong luận án là trung thực và chưa từng được ai công bố trong các công trình nào khác. Tác giả 1 TIEU LUAN MOI download : skknchat@gmail.com Lời cảm ơn Luận án được thực hiện tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội, dưới sự hướng dẫn của PGS. Lê Sỹ Vinh, PGS. Hoàng Xuân Huấn và TS.

Bùi Quang Minh (hiện đang công tác tại Trung tâm Tin sinh Tích hợp Vienna, University of Vienna và Medical University Vienna, Vienna, nước Cộng hòa Áo). Tôi xin bày tỏ lòng biết ơn sâu sắc tới PGS. Hoàng Xuân Huấn, thầy đã giới thiệu cho tôi nhiều kiến thức bổ ích về toán và học máy thống kê và về nhiều bài toán ứng dụng khác nhau thông qua nhóm seminar học máy và tin sinh; giúp tôi định vị được bài toán của mình trong tổng thể. Thầy cũng đã nhiệt tình hướng dẫn tôi tìm hiểu một số bài toán tin sinh và tạo điều kiện cho tôi tham gia nhóm làm việc tại Viện nghiên cứu cao cấp về toán.

Tôi xin cảm ơn PGS. Lê Sỹ Vinh, thầy đã tạo điều kiện tốt nhất để tôi kết nối với nhóm chuyên gia nghiên cứu ở Trung tâm Tin sinh Tích hợp Vienna; đồng thời luôn theo sát góp ý, lên kế hoạch, đốc thúc và động viên tôi làm nghiên cứu. Tôi xin cảm ơn TS. Bùi Quang Minh, thầy đã giới thiệu cho tôi bài toán chính trong luận án này và hướng dẫn tôi vượt qua rất nhiều khó khăn khi triển khai các hướng giải quyết khác nhau cho bài toán, cũng như khi viết bài.

Tôi cũng xin cảm ơn tới các Thầy, Cô thuộc Khoa Công nghệ Thông tin, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội đã tạo mọi điều kiện thuận lợi giúp tôi trong quá trình làm nghiên cứu sinh. Cuối cùng, tôi xin gửi lời cảm ơn sâu sắc tới gia đình và bạn bè, những người đã cho tôi điểm tựa vững chắc để tôi hoàn thành tốt luận án này. 2 TIEU LUAN MOI download : skknchat@gmail.com MỤC LỤC Lời cam đoan. 3 Danh mục các ký hiệu và chữ viết tắt.

7 Danh mục các bảng. 9 Danh mục các hình vẽ, đồ thị. 10 Danh mục các thuật toán. 14 Chương 1 BÀI TOÁN XÂY DỰNG CÂY BOOTSTRAP TIẾN HÓA.

Một số khái niệm cơ bản .1 Thông tin di truyền .2 Sắp hàng đa chuỗi .2 Tổng quan phân tích tiến hóa .3 Xây dựng cây tiến hóa .1 Phát biểu bài toán .2 Tiêu chuẩn tiết kiệm nhất (maximum parsimony – MP) .3 Mô hình hóa quá trình biến đổi nucleotide .4 Tiêu chuẩn hợp lý nhất (maximum likelihood – ML) .5 Một số kỹ thuật biến đổi cục bộ trên cây dùng trong xây dựng cây tiến hóa .4 Giới thiệu phương pháp bootstrap trong thống kê. 36 3 TIEU LUAN MOI download : skknchat@gmail.5 Xây dựng cây bootstrap tiến hóa.2 Phát biểu bài toán .3 Các tiêu chí đánh giá .4 Các phương pháp hiện tại.6 Kết luận chương. 48 Chương 2 PHƯƠNG PHÁP UFBOOT2 GIẢI NHANH BÀI TOÁN XÂY DỰNG CÂY BOOTSTRAP TIẾN HÓA THEO TIÊU CHUẨN HỢP LÝ NHẤT .1 Giới thiệu về xây dựng cây tiến hóa theo tiêu chuẩn hợp lý nhất.2 Thuật toán pruning để tính likelihood cây .1 Tính likelihood cho một cây theo định nghĩa .2 Tính likelihood cho một cây theo thuật toán pruning .3 Thuật toán UFBoot.2 Thuật toán IQPNNI .3 Công thức RELL .4 Giả mã của thuật toán UFBoot .5 Thuật toán pruning ước lượng độ dài cạnh .4 Đề xuất thuật toán UFBoot2 .1 Cải tiến tốc độ .2 Cải tiến để xử lý đỉnh đa phân tốt hơn .3 Cải tiến để giảm ảnh hưởng của vi phạm mô hình. 67 4 TIEU LUAN MOI download : skknchat@gmail.4 Cải tiến mở rộng để phân tích sắp hàng các bộ gen .5 Thực nghiệm và kết quả .1 Thời gian tính toán .2 Tỉ lệ dương tính giả .3 Độ chuẩn xác của ước lượng bootstrap .4 Khả năng phân tích sắp hàng bộ gen.6 Kết luận chương.

76 Chương 3 PHƯƠNG PHÁP MỚI MPBOOT GIẢI NHANH BÀI TOÁN XÂY DỰNG CÂY BOOTSTRAP TIẾN HÓA THEO TIÊU CHUẨN TIẾT KIỆM NHẤT .2 Xây dựng cây tiến hóa theo tiêu chuẩn MP .3 Đề xuất thuật toán MPBoot.1 Lấy mẫu cây trên sắp hàng gốc .2 Lấy mẫu điểm MP (Resampling parsimony score - REPS) .3 Tăng tốc tính toán REPS .4 Thuật toán MPBoot .4 Thiết kế thực nghiệm .1 Dữ liệu mô phỏng.2 Dữ liệu thực .5 Kết quả thực nghiệm .1 Thời gian tính toán .2 Khả năng tìm được cây có điểm MP tốt nhất. 89 5 TIEU LUAN MOI download : skknchat@gmail.3 Độ chuẩn xác của ước lượng bootstrap .6 Bình luận về kết quả.7 Kết luận chương. 101 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN. 104 TÀI LIỆU THAM KHẢO.

105 PHỤ LỤC 1: BẢNG BỔ SUNG. 117 PHỤ LỤC 2: CÁC CÂU LỆNH TNT VÀ PAUP*. Script TNT để thực hiện fast-TNT với ma trận chi phí đều. Script TNT để thực hiện intensive-TNT với ma trận chi phí đều.

Các lệnh TNT làm việc với ma trận chi phí không đều. Lệnh bootstrap trong PAUP* sử dụng chiến lược giống fast-TNT với ma trận chi phí đều. 120 6 TIEU LUAN MOI download : skknchat@gmail.com Danh mục các ký hiệu và chữ viết tắt thuật toán do Vinh và cộng sự [49] đề xuất để giải nhanh xây IQPNNI dựng cây tiến hóa theo tiêu chuẩn ML (Important Quartet Puzzling and NNI Optimization) ML tiêu chuẩn hợp lý nhất (Maximum Likelihood) MP tiêu chuẩn tiết kiệm nhất (Maximum Parsimony) phương pháp mới luận án đề xuất để giải nhanh bài toán xây MPBoot dựng cây bootstrap tiến hóa theo tiêu chuẩn MP MSA sắp hàng đa chuỗi (Multiple Sequence Alignment) NNI hoán đổi hàng xóm gần nhất (Nearest-Neighbor Interchange) phương pháp bootstrap nhanh trong RAxML (RAxML Rapid RBS Bootstrap) lấy mẫu ước lượng log-likelihood (Resampling Estimated RELL Log-Likelihoods) REPS lấy mẫu điểm MP (REsampling Parsimony Score) SBS phương pháp bootstrap chuẩn (Standard BootStrap) SPR cắt và ghép cây con (Subtree Pruning and Regrafting) TBR chặt đôi và nối lại (Tree Bisection and Reconnection). phương pháp do Minh và cộng sự [56] đề xuất để giải nhanh UFBoot bài toán xây dựng cây bootstrap tiến hóa theo tiêu chuẩn ML (UltraFast Bootstrap approximation) phương pháp luận án đề xuất để giải nhanh bài toán xây UFBoot2 dựng cây bootstrap tiến hóa theo tiêu chuẩn ML 7 TIEU LUAN MOI download : skknchat@gmail.com thuật toán UFBoot2 tích hợp bước tinh chỉnh tối ưu để giảm UFBoot2+NNI ảnh hưởng của vi phạm mô hình 8 TIEU LUAN MOI download : skknchat@gmail.com Danh mục các bảng Bảng 1.

Danh sách 64 codon. Mỗi codon mã hoá một axít amin. Danh sách 20 axít amin. Ví dụ minh họa (A) ma trận chí phí đều và (B) ma trận chi phí không đều cho dữ liệu DNA.

Các tham số tự do của một số mô hình biến đổi nucleotide điển hình. Thông tin bộ dữ liệu thực từ TreeBASE. Tóm tắt giá trị hỗ trợ bootstrap cho cạnh đúng không tồn tại của UFBoot2 khi bật và tắt cải tiến xử lý đỉnh đa phân trên dữ liệu mô phỏng từ cây đúng hình sao. Thông tin bộ dữ liệu DNA mô phỏng PANDIT.

Thông tin bộ dữ liệu mô phỏng PANDIT (loại trừ các sắp hàng có phân tích TNT hoặc PAUP* không hoàn thành). Tổng thời gian chạy (giờ) của 5 phương pháp trên 114 sắp hàng TreeBASE. Con số in đậm ứng với phương pháp nhanh nhất theo ma trận chi phí tương ứng. Các dòng lệnh dùng để chạy các thuật toán của IQ-TREE và RAxML dùng trong Chương 2 luận án.117 9 TIEU LUAN MOI download : skknchat@gmail.com Danh mục các hình vẽ, đồ thị Hình 0.

Ví dụ minh họa đầu ra bài toán xây dựng cây tiến hóa và bài toán xây dựng cây bootstrap tiến hóa trong phân tích tiến hóa cho 4 loài. Minh họa một sắp hàng đa chuỗi axít amin của bốn loài linh trưởng. Một ví dụ về cây tiến hóa giữa bốn loài linh trưởng: (A) dạng cây nhị phân có gốc và (B) dạng cây nhị phân không gốc. Minh họa cách tìm điểm MP cho cấu trúc cây 1 bằng cách khảo sát 4 cách gán đỉnh trong.

Minh họa đa biến đổi trên cây gồm 1 đỉnh cha và 2 đỉnh con. Điểm MP bằng 1 trong khi số biến đổi thực sự là 3. Tần suất tương đối của biến đổi giữa các nucleotide. Một cây 𝑇𝑇 đơn giản để minh họa cách tính likelihood của cây tại một vị trí sắp hàng.

Ba kỹ thuật xáo trộn cấu trúc cây (NNI, SPR và TBR) trên cạnh tô đậm của cây ban đầu. Với SPR và TBR, tất cả các cặp cạnh đánh dấu bằng vòng tròn nhỏ trên 2 cây con sẽ được nối với nhau (các đường kẻ đứt), trừ phép nối 2 hình tròn đen với nhau vì nó sẽ tạo ra cây ban đầu. Minh họa phân bố của trung vị mẫu tìm bằng phương pháp bootstrap. Minh họa 3 bước làm bootstrap chuẩn phi tham số.

Sắp hàng gốc có 4 taxa với 10 vị trí sắp hàng. Trong ví dụ này, ta làm bootstrap tiến hóa với 3 bản sao (𝐵𝐵 = 3). Phân tích thực tế thường cần tới 1000 bản sao bootstrap (𝐵𝐵 = 1000). Minh họa khái niệm độ chuẩn xác và khả năng lặp lại khi làm bootstrap với 𝐵𝐵 bản sao trên sắp hàng gốc 1.43 10 TIEU LUAN MOI download : skknchat@gmail.

Ví dụ đồ thị thể hiện độ chuẩn xác của phương pháp bootstrap lạc quan (màu đỏ), phương pháp bảo thủ (màu xanh), phương pháp không chệch (màu đen). Ta chỉ phân tích phần bên phải của đồ thị (x >= 70). Một cây biết độ dài cạnh và dữ liệu tại một vị trí đơn lẻ trên sắp hàng. Ví dụ này để minh họa tính likelihood bằng định nghĩa và bằng thuật toán pruning.

Đỉnh gốc là u. Một cây T để minh họa thuật toán pruning và pruning nhanh. Nó được định gốc ngẫu nhiên tại điểm r trên cạnh (a,b). Gốc cách 2 đầu cạnh khoảng tương ứng là 𝑡𝑡𝑡𝑡 và 𝑡𝑡𝑡𝑡.

Sơ đồ khối thuật toán IQPNNI. Minh họa cấu trúc cây (A) không có đỉnh đa phân nào, (B) có 1 đỉnh đa phân và (C) hình sao.