Поиск и разведка данных как основной инструмент филогеномики и его применение для реконструкции макрофилогении высших многоклеточных.

Проведены поиск и идентификация новых генетических маркеров для макро-филогенетических исследований путем анализа открытых баз данных по структуре генома и транскриптома представителей крупных подразделений Bilateria (среди них представители первичноротых животных из групп Ecdysozoa, Lophotrochozoa, Platyzoa, и группы вторичноротых – позвоночные, иглокожие и оболочники). Проведен анализ основного репозитория генетического банка GenBank и нескольких централизованных баз данных, где гомологичные гены из разных организмов объединены в родственные кластеры (кластеры ортологичных групп, КОГи, база данных KOGs) и индивидуальные последовательности EST аннотированы и сортированы по группам гомологичности (т.е. кодируемым генам, база данных dbEST).
Разработаны специальные алгоритмы и создан комплексный метод выявления и удаления информационного шума из МВ, т.е. поиска и удаления отдельных строк и столбцов МВ с низкой гомологией для улучшения качества результирующих филогенетических деревьев. На первом этапе, последовательности с низким общим уровнем позиционной гомологии (аберрантные члены семейства ортологичных генов и/или химерные последовательности) выявляются с применением формальных критериев и удаляются из МВ перед проведением филогенетического анализа. Далее, колонки МВ ранжируются по степени их информативности по отношению к восстановлению филогении и итеративно удаляются категории низко-информативных колонок вплоть до стадии, когда информационный шум будет удален из данных настольно, что результирующее МВ обеспечит надежное разрешение филогенетического дерева. Для отбора удаляемых столбцов нами определяется численная характеристика такой «вариабельности», или «рассогласованности», столбца в МВ, называемая условной энтропией.