[論文レビュー] Assembling large, complex environmental metagenomes

Adina Howe, Janet Jansson+4 more|arXiv (Cornell University)|Dec 12, 2012

Genomics and Phylogenetic Studies参考文献 23被引用数 7

ひとこと要約

本論文は、デジタル正規化とパーティショニングを用いたスケーラブルなデノボメタゲノムアセンブリパイプラインを提示している。計算負荷を軽減しながらゲノム回復を維持する。ヒト腸内および土壌メタゲノムに適用したところ、フィルタリングされていないアセンブリと比較して95%以上の類似度を達成し、同じ機能的プロファイルを示すが、系統発生的に顕著な差異を示すトウモロコシおよびプリエリー土壌のマッチドサンプルにおいて顕著な系統発生的差異が明らかになった。

ABSTRACT

The large volumes of sequencing data required to sample complex environments deeply pose new challenges to sequence analysis approaches. De novo metagenomic assembly effectively reduces the total amount of data to be analyzed but requires significant computational resources. We apply two pre-assembly filtering approaches, digital normalization and partitioning, to make large metagenome assemblies more comput\ ationaly tractable. Using a human gut mock community dataset, we demonstrate that these methods result in assemblies nearly identical to assemblies from unprocessed data. We then assemble two large soil metagenomes from matched Iowa corn and native prairie soils. The predicted functional content and phylogenetic origin of the assembled contigs indicate significant taxonomic differences despite similar function. The assembly strategies presented are generic and can be extended to any metagenome; full source code is freely available under a BSD license.

研究の動機と目的

• 高データ量および多様性による大規模で複雑な環境メタゲノムのアセンブリが計算的に非現実的であるという問題に対処すること。
• デジタル正規化とパーティショニングによる事前アセンブリフィルタリングが、フィルタリングされていないアセンブリと比較してゲノムコンテンツと正確性を保持するかどうかを評価すること。
• 従来のアセンブラがフィルタリングされていないデータでは処理不能であるが、特にアイオワ州のトウモロコシおよびネイティブ・プリエリー土壌から得た大規模な土壌メタゲノムのデノボアセンブリを可能にすること。
• 同じ機能的潜在能力を示すが、生態的に異なる2つの土壌におけるアセンブルドコンティグの機能的および系統的構成を比較すること。

提案手法

• デジタル正規化は、重複する高カバレッジのリードを破棄することでシーケンシング深度を低減し、計算効率を向上させるとともにエラー補正を改善する。
• パーティショニングは、推移的接続性に基づいてアセンブリーグラフをより小さな連結成分に分割し、並列的かつスケーラブルなアセンブリを可能にする。
• パイプラインは、ベロシティ、SOAPdenovo、Meta-IDBAなどのアセンブラを用いて、モックおよび実際の環境データセットに対して、デノボアセンブリの前処理としてこれらのフィルタを適用する。
• アセンブリ品質は、リファレンスゲノムへのコンティグ回復率、リードマッピング率、およびフィルタリング済みおよび未フィルタリングデータセットからの豊度推定値を比較することで検証される。
• 系統的および機能的アノテーションは、SEEDサブシステムから得られ、土壌メタゲノム間での系統的および機能的プロファイルの比較に用いられる。
• 統計的検証には、フィルタリング済みおよび未フィルタリングアセンブリからの豊度推定値をリファレンスゲノムカバレッジと比較するためのペアドt検定が用いられる。

実験結果

リサーチクエスチョン

• RQ1 デジタル正規化とパーティショニングは、大規模なメタゲノムデータセットにおいて計算負荷を軽減しながら、ゲノムコンテンツとアセンブリ正確性を保持できるか？
• RQ2 フィルタリング済みアセンブリは、未フィルタリングアセンブリと比較して、リファレンスゲノム回復率およびコンティグ長分布の点でどのように異なるか？
• RQ3 同じ機能的プロファイルを示すが、マッチドされたトウモロコシおよびプリエリー土壌メタゲノムは、系統発生的起源においてどの程度異なるか？
• RQ4 提案されたパイプラインは、未フィルタリング形式では処理不能な大規模で複雑な土壌メタゲノムを効果的にアセンブルできるか？
• RQ5 フィルタリング済みアセンブリからの豊度推定値は、未フィルタリングアセンブリと比較して予測された値に有意に近いか？

主な発見

• デジタル正規化とパーティショニングにより、データセットサイズが40%削減（590万リード削除）されたが、リファレンスゲノムカバレッジの91%を維持した。これは未フィルタリングデータセットの93%と比較しての結果である。
• フィルタリング済みアセンブリはリファレンスゲノムの43–45%を回復し、複数のアセンブラを用いた未フィルタリングアセンブリと比較して95%のゲノムコンテンツ類似度を示した。
• 未フィルタリングのアイオワ州トウモロコシおよびプリエリー土壌データセットは、標準ツールではアセンブルできなかったが、フィルタリング／パーティショニング済みアセンブリは、それぞれ180万～310万コンティグを正常に生成した。
• 系統発生的構成に顕著な差異がある一方で、アイオワ州トウモロコシおよびプリエリー土壌メタゲノムの機能的プロファイルは非常に類似しており、SEEDサブシステムアノテーションで98%の類似度を示した。
• リードマッピングの結果、トウモロコシ土壌ではペアエンドリードの9.7%、シングルエンドリードの8.4%がアセンブルドコンティグにマッピングされた。プリエリー土壌では、ペアエンドリードの11.2%、シングルエンドリードの9.5%がマッピングされた。
• 片側t検定により、フィルタリング済みアセンブリからの豊度推定値が予測されたリファレンス豊度に有意に近いことが確認された（p = 0.032）。これは正確性の向上を示している。