Биннинг (метагеномика) - Binning (metagenomics)

В метагеномика, биннинг это процесс группировки читает или контиги и назначив их операционные таксономические единицы. Методы биннинга могут быть основаны либо на композиционных особенностях, либо на выравнивание (сходство) или и то, и другое.

Вступление

Метагеномные образцы могут содержать считывания от огромного количества организмов. Например, в одном грамме почвы может находиться до 18000 различных типов организмов, каждый со своим геномом.[1] Метагеномные исследования производят образцы ДНК всего сообщества и делают их доступными в виде нуклеотидных последовательностей определенная длина. В большинстве случаев неполный характер полученных последовательностей затрудняет сборку отдельных генов,[2] тем более восстановление полного геномы каждого организма. Таким образом, методы биннинга представляют собой «лучшее средство» для выявления считываний или контиги с определенными группами организмов, обозначенными как операционные таксономические единицы (OTU).[3]

Первые исследования, в которых брали образцы ДНК от нескольких организмов, использовали определенные гены для оценки разнообразия и происхождения каждого образца.[4][5] Эти маркерные гены были предварительно секвенированы из клональных культур известных организмов, поэтому всякий раз, когда один из таких генов появляется в считывании или контиге из метагеномного образца, считывание может быть отнесено к известному виду или к OTU этого вида. Проблема с этим методом заключалась в том, что только крошечная часть последовательностей несли маркерный ген, оставляя большую часть данных неназначенной.

Современные методы биннинга используют как ранее доступную информацию, независимую от образца, так и внутреннюю информацию, присутствующую в образце. В зависимости от разнообразия и сложности выборки степень их успеха варьируется: в некоторых случаях они могут разрешить последовательности до отдельных видов, в то время как в некоторых других последовательности идентифицируются в лучшем случае с очень широкими таксономическими группами.

Алгоритмы

Алгоритмы биннинга могут использовать предыдущую информацию и, таким образом, действовать как контролируемые классификаторы, или они могут попытаться найти новые группы, которые действуют как неконтролируемые классификаторы. Многие, конечно, делают и то, и другое. Классификаторы используют ранее известные последовательности, выполняя выравнивания против базы данных, и попытаться разделить последовательность на основе специфических для организма характеристик ДНК,[6] подобно GC-контент.

Манде и др., (2012) [7] предоставляет обзор предпосылки, методологий, преимуществ, ограничений и проблем различных методов, доступных для объединения наборов метагеномных данных, полученных с использованием подхода секвенирования дробовика. Некоторые из наиболее известных алгоритмов биннинга описаны ниже.

TETRA

TETRA - это статистический классификатор, который использует шаблоны использования тетрануклеотидов в геномных фрагментах.[8] Есть четыре возможных нуклеотида в ДНК, поэтому может быть разные фрагменты из четырех последовательных нуклеотидов; эти фрагменты называют тетрамерами. TETRA работает, составляя таблицу частот каждого тетрамера для заданной последовательности. С этих частот z-значения затем вычисляются, которые показывают, насколько чрезмерно или недостаточно представлен тетрамер в противоположность тому, что можно было бы ожидать, глядя на индивидуальные нуклеотидные композиции. Z-значения для каждого тетрамера собираются в вектор, и векторы, соответствующие различным последовательностям, сравниваются попарно, чтобы получить меру того, насколько похожи разные последовательности из образца. Ожидается, что наиболее похожие последовательности принадлежат организмам в одной OTU.

МЕГАН

В АЛМАЗЕ[9]+ МЕГАН[10] При таком подходе все считывания сначала выравниваются по эталонной базе данных белков, такой как NCBI-nr, а затем полученные сопоставления анализируются с использованием алгоритма наивного LCA, который помещает чтение в самый нижний таксономический узел в таксономии NCBI, который лежит выше всех таксонов. к которому чтение имеет существенное выравнивание. Здесь выравнивание обычно считается «значительным», если его битовая оценка превышает заданный порог (который зависит от продолжительности считывания) и находится в пределах 10%, скажем, от наилучшего результата, наблюдаемого для этого чтения. Обоснование использования эталонных последовательностей белков, а не эталонных последовательностей ДНК, заключается в том, что существующие базы данных эталонных ДНК охватывают лишь небольшую часть истинного разнообразия геномов, существующих в окружающей среде.

Филопифия

Phylopythia - это один контролируемый классификатор, разработанный исследователями в лабораториях IBM, и в основном это Машина опорных векторов обучены ДНК-кмеры из известных последовательностей.[5]

SOrt-ITEMS

SOrt-ITEMS (Monzoorul et al., 2009) [11] представляет собой алгоритм биннинга на основе согласования, разработанный Innovations Labs из Tata Consultancy Services (TCS) Ltd., Индия. Пользователям необходимо выполнить поиск сходства входных метагеномных последовательностей (считываний) с базой данных белков nr с помощью поиска BLASTx. Сгенерированный вывод blastx затем используется программой SOrt-ITEMS в качестве входных данных. В этом методе используется диапазон пороговых значений параметров выравнивания BLAST, чтобы сначала определить соответствующий таксономический уровень (или ранг), на котором может быть назначено чтение. Затем для окончательного определения метагеномного чтения применяется подход, основанный на ортологии. Другие алгоритмы биннинга на основе выравнивания, разработанные Innovation Labs of Tata Consultancy Services (TCS), включают DiScRIBinATE,[12] Предоставлять [13] и СФИНКС.[14] Ниже приводится краткое изложение методологии этих алгоритмов.

ДИСКРИБИНАТ

DiScRIBinATE (Ghosh et al., 2010) [12] представляет собой алгоритм биннинга на основе согласования, разработанный лабораторией Innovations Labs компании Tata Consultancy Services (TCS) Ltd., Индия. DiScRIBinATE заменяет ортологический подход SOrt-ITEMS более быстрым подходом «без выравнивания». Было замечено, что включение этой альтернативной стратегии сократило время разбиения вдвое без какой-либо значительной потери точности и специфичности назначений. Кроме того, новая стратегия реклассификации, включенная в DiScRIBinATE, по-видимому, снизила общий уровень ошибочной классификации.

Предоставлять

ProViDE (Ghosh et al., 2011) [13] представляет собой метод биннинга на основе сопоставления, разработанный Innovation Labs компании Tata Consultancy Services (TCS) Ltd. для оценки вирусного разнообразия в метагеномных образцах. ProViDE использует подход, основанный на обратной ортлогии, аналогичный SOrt-ITEMS, для таксономической классификации метагеномных последовательностей, полученных из наборов данных вирома. Это настраиваемый набор пороговых значений параметров BLAST, специально подходящий для вирусных метагеномных последовательностей. Эти пороговые значения отражают модель дивергенции последовательностей и неоднородную таксономическую иерархию, наблюдаемую внутри / между различными таксономическими группами вирусного царства.

PCAHIER

PCAHIER (Zheng et al., 2010),[15] другой алгоритм объединения, разработанный Технологическим институтом Джорджии, использует частоты n-мерных олигонуклеотидов в качестве характеристик и принимает иерархический классификатор (PCAHIER) для объединения коротких метагеномных фрагментов. Анализ главных компонентов был использован для уменьшения высокой размерности пространства признаков. Эффективность PCAHIER была продемонстрирована путем сравнения с неиерархическим классификатором и двумя существующими алгоритмами биннинга (TETRA и Phylopythia).

СФИНКС

СФИНКС (Mohammed et al., 2011),[14] Другой алгоритм объединения, разработанный Innovation Labs компании Tata Consultancy Services (TCS) Ltd., использует гибридную стратегию, которая обеспечивает высокую эффективность объединения за счет использования принципов алгоритмов объединения на основе как «композиции», так и «выравнивания». Подход был разработан с целью анализа наборов метагеномных данных так же быстро, как подходы, основанные на композиции, но, тем не менее, с точностью и специфичностью алгоритмов на основе сопоставления. Было замечено, что SPHINX классифицирует метагеномные последовательности так же быстро, как и алгоритмы на основе композиции. Кроме того, эффективность биннинга (с точки зрения точности и специфичности назначений) SPHINX была сопоставима с результатами, полученными с использованием алгоритмов на основе выравнивания.

INDUS[16] и TWARIT[17]

Представляют другие основанные на композиции алгоритмы биннинга, разработанные Innovation Labs of Tata Consultancy Services (TCS) Ltd. Эти алгоритмы используют ряд олигонуклеотидных композиционных (а также статистических) параметров для сокращения времени биннинга при сохранении точности и специфичности таксономических назначений.

Другие алгоритмы

Этот список не является исчерпывающим:

  • TACOA (Диаз и др., 2009)
  • Параллельно-МЕТА (Su et al., 2011)
  • PhyloPythiaS (Патил и др., 2011)
  • РИТА (MacDonald et al., 2012)[18]
  • БиМета (Le et al., 2015) [19]
  • MetaPhlAn (Segata et al., 2012)[20]
  • SeMeta (Le et al., 2016) [21]
  • Quikr (Koslicki et al., 2013)[22]
  • Таксонер (Понгор и др., 2014)[23]

Все эти алгоритмы используют разные схемы для последовательностей биннинга, такие как иерархическая классификация, и работать либо в под наблюдением или же без присмотра манера. Эти алгоритмы обеспечивают общее представление о том, насколько разнообразны образцы, и потенциально могут связать состав сообщества и его функции в метагеномах.

Рекомендации

  1. ^ Даниэль, Рольф (01.06.2005). «Метагеномика почвы». Обзоры природы Микробиология. 3 (6): 470–478. Дои:10.1038 / nrmicro1160. ISSN  1740-1526. PMID  15931165. S2CID  32604394.
  2. ^ Вули, Джон С .; Адам Годзик; Иддо Фридберг (26 февраля 2010 г.). «Букварь по метагеномике». PLOS Comput Biol. 6 (2): e1000667. Bibcode:2010PLSCB ... 6E0667W. Дои:10.1371 / journal.pcbi.1000667. ЧВК  2829047. PMID  20195499.
  3. ^ Thomas, T .; Gilbert, J .; Мейер, Ф. (2012). «Метагеномика - руководство от выборки до анализа данных». Микробная информатика и эксперименты. 2 (1): 3. Дои:10.1186/2042-5783-2-3. ЧВК  3351745. PMID  22587947.
  4. ^ Джованнони, Стивен Дж .; Тереза ​​Б. Бричги; Крейг Л. Мойер; Кэтрин Г. Филд (1990-05-03). «Генетическое разнообразие бактериопланктона Саргассова моря». Природа. 345 (6270): 60–63. Bibcode:1990Натура 345 ... 60Г. Дои:10.1038 / 345060a0. PMID  2330053. S2CID  4370502.
  5. ^ а б Макхарди, Элис Кэролин; Гектор Гарсия Мартин; Аристотель Циригос; Филип Гугенгольц; Исидор Ригутсос (январь 2007 г.). «Точная филогенетическая классификация фрагментов ДНК переменной длины». Методы природы. 4 (1): 63–72. Дои:10.1038 / nmeth976. ISSN  1548-7091. PMID  17179938. S2CID  28797816.
  6. ^ Карлин, С .; И. Ладунга; Б. Э. Блейсделл (1994). «Неоднородность геномов: меры и значения». Труды Национальной академии наук. 91 (26): 12837–12841. Bibcode:1994PNAS ... 9112837K. Дои:10.1073 / пнас.91.26.12837. ЧВК  45535. PMID  7809131.
  7. ^ Mande, Sharmila S .; Монзоорул Хак Мохаммед; Тарини Шанкар Гош (2012). «Классификация метагеномных последовательностей: методы и проблемы». Брифинги по биоинформатике. 13 (6): 669–81. Дои:10.1093 / bib / bbs054. PMID  22962338.
  8. ^ Тилинг, Ханно; Йост Вальдманн; Тьерри Ломбардо; Маргарет Бауэр; Фрэнк Глокнер (2004). «TETRA: веб-сервис и отдельная программа для анализа и сравнения схем использования тетрануклеотидов в последовательностях ДНК». BMC Bioinformatics. 5 (1): 163. Дои:10.1186/1471-2105-5-163. ЧВК  529438. PMID  15507136.
  9. ^ Букфинк, Се и Хусон (2015). «Быстрое и чувствительное выравнивание белков с помощью DIAMOND». Методы природы. 12 (1): 59–60. Дои:10.1038 / nmeth.3176. PMID  25402007. S2CID  5346781.
  10. ^ Huson, Daniel H; С. Байер; И. Флейд; А. Горска; М. Эль-Хадиди; Х. Рушевей; Р. Таппу (2016). «MEGAN Community Edition - Интерактивное исследование и анализ крупномасштабных данных секвенирования микробиома». PLOS вычислительная биология. 12 (6): e1004957. Bibcode:2016PLSCB..12E4957H. Дои:10.1371 / journal.pcbi.1004957. ЧВК  4915700. PMID  27327495.
  11. ^ Хак М., Монзоорул; Тарини Шанкар Гош; Динакар Командури; Шармила С Манде (2009). «SOrt-ITEMS: подход на основе ортологии последовательностей для улучшенной таксономической оценки метагеномных последовательностей». Биоинформатика. 25 (14): 1722–30. Дои:10.1093 / биоинформатика / btp317. PMID  19439565.
  12. ^ а б Гош, Тарини Шанкар; Monzoorul Haque M; Шармила С Манде (2010). «DiScRIBinATE: быстрый метод точной таксономической классификации метагеномных последовательностей». BMC Bioinformatics. 11 (S7): S14. Дои:10.1186 / 1471-2105-11-s7-s14. ЧВК  2957682. PMID  21106121.
  13. ^ а б Гош, Тарини Шанкар; Монзоорул Хак Мохаммед; Динакар Командури; Шармила С Манде (2011). «ProViDE: программный инструмент для точной оценки вирусного разнообразия в метагеномных образцах». Биоинформация. 6 (2): 91–94. Дои:10.6026/97320630006091. ЧВК  3082859. PMID  21544173.
  14. ^ а б Мохаммед, Монзурул Хак; Тарини Шанкар Гош; Нитин Кумар Сингх; Шармила С Манде (2011). «СФИНКС - алгоритм таксономического биннинга метагеномных последовательностей». Биоинформатика. 27 (1): 22–30. Дои:10.1093 / биоинформатика / btq608. PMID  21030462.
  15. ^ Чжэн, Хао; Хунвэй Ву (2010). «Объединение коротких фрагментов прокариотической ДНК с использованием иерархического классификатора на основе линейного дискриминантного анализа и анализа главных компонентов». J Bioinform Comput Biol. 8 (6): 995–1011. Дои:10.1142 / s0219720010005051. PMID  21121023.
  16. ^ Мохаммед, Монзурул Хак; Тарини Шанкар Гош; Рачамалла Махидхар Редди; CV Редди; Нитин Кумар Сингх; Шармила С Манде (2011). «INDUS - основанный на композиции подход для быстрой и точной таксономической классификации метагеномных последовательностей». BMC Genomics. 12 (S3): S4. Дои:10.1186 / 1471-2164-12-s3-s4. ЧВК  3333187. PMID  22369237.
  17. ^ Редди, Рачамалла Махидхар; Монзоорул Хак Мохаммед; Шармила С Манде (2013). «TWARIT: чрезвычайно быстрый и эффективный подход к филогенетической классификации метагеномных последовательностей». Ген. 505 (2): 259–65. Дои:10.1016 / j.gene.2012.06.014. PMID  22710135.
  18. ^ Макдональд, Норман Дж .; Донован Х. Паркс; Роберт Г. Бейко (2012). «Профилирование метагеномного микробного сообщества с использованием уникальных маркерных генов, специфичных для клады». Исследования нуклеиновых кислот. 40 (14): e111. Дои:10.1093 / нар / гкс335. ЧВК  3413139. PMID  22532608.
  19. ^ Ван Винь, Ле, Ван Ланг, Тран и Тран Ван Хоай. «Двухфазный алгоритм разбиения с использованием частоты l-мер для групп неперекрывающихся чтений». Алгоритмы для молекулярной биологии 10.1 (2015): 1.
  20. ^ Никола, Сегата; Леви Уолдрон; Анналиса Балларини; Вагиш Нарасимхан; Оливье Юссон; Кертис Хаттенхауэр (2012). «Профилирование метагеномного микробного сообщества с использованием уникальных маркерных генов, специфичных для клады». Методы природы. 9 (8): 811–814. Дои:10.1038 / nmeth.2066. ЧВК  3443552. PMID  22688413.
  21. ^ Ван Винь, Ле, Ван Ланг, Тран и Тран Ван Хоай. «Новый полууправляемый алгоритм таксономического присвоения метагеномных чтений». BMC bioinformatics, 17 (1), 2016.
  22. ^ Koslicki, Дэвид; Саймон Фукар; Гейл Розен (2013). «Quikr: метод быстрой реконструкции бактериальных сообществ с помощью компрессионного зондирования». Биоинформатика. 29 (17): 2096–2102. Дои:10.1093 / биоинформатика / btt336. PMID  23786768.
  23. ^ Понгор, Леринк; Роберто Вера; Балаж Лигети1 (2014). «Быстрое и точное выравнивание результатов секвенирования микробного всего генома считывает с большими наборами данных последовательностей на настольном ПК: приложение к наборам метагеномных данных и идентификация патогенов». PLOS ONE. 9 (7): e103441. Bibcode:2014PLoSO ... 9j3441P. Дои:10.1371 / journal.pone.0103441. ЧВК  4117525. PMID  25077800.