[論文レビュー] Metagenomic Analysis using Phylogenetic Placement -- A Review of the First Decade

Lucas Czech, Alexandros Stamatakis+2 more|arXiv (Cornell University)|Feb 7, 2022

Genomics and Phylogenetic Studies参考文献 296被引用数 59

ひとこと要約

このレビューは、メタゲノム解析における系統的配置の最初の10年間を統合し、原始的な配列から出版可能な結果に至る包括的なワークフローを提示する。クエリ配列を参照系統樹に配置することで、分類的割り当て、多様性推定、生態的推論の向上が可能になることが強調されるとともに、陥りがちな誤りを回避し、環境的メタデータとの統合を可能にする。

ABSTRACT

Phylogenetic placement refers to a family of tools and methods to analyze, visualize, and interpret the tsunami of metagenomic sequencing data generated by high-throughput sequencing. Compared to alternative (e. g., similarity-based) methods, it puts metabarcoding sequences into a phylogenetic context using a set of known reference sequences and taking evolutionary history into account. Thereby, one can increase the accuracy of metagenomic surveys and eliminate the requirement for having exact or close matches with existing sequence databases. Phylogenetic placement constitutes a valuable analysis tool per se, but also entails a plethora of downstream tools to interpret its results. A common use case is to analyze species communities obtained from metagenomic sequencing, for example via taxonomic assignment, diversity quantification, sample comparison, and identification of correlations with environmental variables. In this review, we provide an overview over the methods developed during the first ten years. In particular, the goals of this review are (i) to motivate the usage of phylogenetic placement and illustrate some of its use cases, (ii) to outline the full workflow, from raw sequences to publishable figures, including best practices, (iii) to introduce the most common tools and methods and their capabilities, (iv) to point out common placement pitfalls and misconceptions,(v) to showcase typical placement-based analyses, and how they can help to analyze, visualize, and interpret phylogenetic placement data.

研究の動機と目的

• メタゲノム分野における最初の10年間の系統的配置手法の体系的概要を提供すること。
• 類似性ベースの手法と比較して、系統的配置が分類的割り当ておよび進化的文脈の解明において優位であることを示し、その採用を促すこと。
• 配列処理から配置データの可視化および解釈に至るまで、エンドツーエンドのワークフローにおけるベストプラクティスを提示すること。
• 系統的配置解析における一般的な誤解やメソドロジカルな落とし穴を特定し、明確化すること。
• 配置データを活用した下流解析手法を紹介し、多様性推定、サンプル間比較、環境的メタデータ統合による生態的推論を可能にする。

提案手法

• 最大尤度（ML）を用いて、参照系統樹（RT）の枝上でクエリ配列の尤度を計算し、確率的配置を可能にする。
• 既知の参照配列（RSs）の参照アラインメント（RA）を用いてRTを推定し、配置尤度の計算を支援する。
• 配置の信頼性を測定するために尤度重み比（LWR）を適用し、1つのクエリ配列に対してすべての枝にわたってLWR値の合計が1になるようにする。
• エッジ相関（Edge Correlation）および配置要因分解（Placement-Factorization）を用いて、配置データと環境的メタデータを統合し、系統の豊度と環境変数との関連を検出する。
• 配置分布に基づいてクラスタリングおよび順序化技術（例：k-means、階層的クラスタリング）を適用し、コミュニティ構成およびサンプル間の関係を可視化する。
• 配置要因分解で一般化線形モデル（GLMs）を用い、数値、二値、カテゴリカルな複数のメタデータタイプと、系統レベルの豊度パターンとの関係をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 メタゲノム調査において、類似性ベースの手法と比較して、系統的配置は分類的割り当ての正確性をどのように向上させるか？
• RQ2 原始的な配列リードから完全な系統的配置ワークフローを構築するにあたり、重要なメソドロジカルステップとベストプラクティスは何か？
• RQ3 配置データは、複数のサンプルにわたる種の多様性、コミュニティ構成、生態的パターンを推定するためにどのように活用できるか？
• RQ4 系統的配置における主な誤り源および誤解は何か。それらはどのように緩和できるか？
• RQ5 系統的配置データは、微生物コミュニティ構造の生態的駆動要因を解明するために、環境的メタデータとどのように意味的に関連付けることができるか？

主な発見

• 系統的配置は進化的履歴を組み込むことで、類似性ベースの手法に起因する誤検出を低減し、分類的割り当ての正確性を顕著に向上させる。
• 高品質な参照配列から導かれる参照系統樹およびアラインメントの使用により、データベースに類縁配列が存在しないクエリ配列に対しても、頑健な配置が可能になる。
• 配置要因分解は、環境変数と相関する系統の豊度を効果的に同定でき、生態的データにおけるネストされた依存関係の検出を可能にする。
• エッジ相関は、pH や温度などの環境変数と強く相関する、系統樹の特定領域における種の豊度パターンを効果的に可視化する。
• このメソドロジカルフレームワークは、メタデータ駆動の信号に基づいて系統樹をネストされた系統に分解することで、次元削減およびサンプルの順序化を支援する。
• 利点が明確である一方で、配置品質を評価するための標準化された指標が不足しており、とくに未記載の新規種と欠落した参照配列を区別する点で課題が残っている。