Um Modelo do Poder Estatístico da Análise de Sequência Genômica Comparativa

A análise de sequência genômica comparativa é poderosa, mas sequenciar genomas é caro. É desejável poder prever quantos genomas são necessários para a genômica comparativa e a quais distâncias evolutivas. Aqui eu descrevo um modelo matemático simples para o problema comum de identificar sequências conservadas. O modelo leva a algumas regras práticas úteis. Para uma dada distância evolutiva, o número de genomas comparativos necessários para um nível constante de rigor estatístico na identificação de regiões conservadas escala inversamente com o tamanho da característica conservada a ser detectada. Em distâncias evolutivas curtas, o número de genomas comparativos exigidos também escala inversamente com a distância. Esses comportamentos de escala fornecem alguma intuição sobre as necessidades futuras de sequenciamento genômico comparativo, como o uso proposto de métodos de "sombreamento filogenético" utilizando genomas comparativos estreitamente relacionados, e a viabilidade da detecção de alta resolução de pequenas características conservadas.