[論文レビュー] metaSPAdes: a new versatile de novo metagenomics assembler

Sergey Nurk, Dmitry Meleshko+2 more|arXiv (Cornell University)|Apr 11, 2016

Genomics and Phylogenetic Studies参考文献 60被引用数 46

ひとこと要約

metaSPAdesは、高度なグラフベースのアルゴリズムと反復的誤り補正を活用することで、複雑な微生物集団のアセンブリを改善することを目的とした新しいデ・ノボメタゲノムアセンブラです。多様なメタゲノムデータセットにおいて、コンタイギの質、正確性、希少種の回復率の面で既存のアセンブラを上回り、高い遺伝的多様性と不均一なカバレッジを示す困難な環境でも優れたパフォーマンスを発揮します。

ABSTRACT

While metagenomics has emerged as a technology of choice for analyzing bacterial populations, assembly of metagenomic data remains difficult thus stifling biological discoveries. metaSPAdes is a new assembler that addresses the challenge of metagenome analysis and capitalizes on computational ideas that proved to be useful in assemblies of single cells and highly polymorphic diploid genomes. We benchmark metaSPAdes against other state-of-the-art metagenome assemblers across diverse da-tasets and demonstrate that it results in high-quality assemblies.

研究の動機と目的

• 非常に多様で不均一なカバレッジを示すメタゲノムデータセットをアセンブルするという継続的な課題に対処すること。
• 複雑な微生物集団における希少種や低頻度の生物の回復を向上させること。
• 単一細胞およびダイポロイドゲノムアセンブリから得られる計算戦略を統合し、強固なメタゲノムフレームワークを構築すること。
• 多様なベンチマーク環境において、既存の最先端アセンブラを凌駆するスケーラブルで使いやすいツールを提供すること。

提案手法

• 反復的誤り補正とリード拡張を用いたde Bruijnグラフベースのアセンブリ手法を採用し、コンタイグの品質を向上させること。
• さまざまなカバレッジと複雑さのレベルに対応するため、複数のk-mer戦略を採用して感度と特異度のバランスをとること。
• 繰り返し領域やアレル型バリアントといった複雑な領域を解消するための新規グラフ簡略化技術を統合すること。
• グラフを管理可能なコンポーネントに階層的クラスタリングし、個別処理を可能にすること。
• 誤ったアセンブリを是正し、局所的な正確性を向上させるため、リードオーバラップグラフの最適化ステップを適用すること。
• de Bruijnグラフとオーバラップ・レイアウト・コンセンサスの原則を組み合わせたハイブリッドアプローチを採用し、耐障害性を強化すること。

実験結果

リサーチクエスチョン

• RQ1 高頻度の遺伝的多様性と不均一なカバレッジを示すメタゲノムデータセットにおいて、デ・ノボアセンブラがより高いコンタイギと正確性を達成できるか？
• RQ2 単一細胞およびダイポロイドゲノムアセンブリから得られる計算戦略は、どの程度メタゲノムアセンブリの向上に適応可能か？
• RQ3 多様で挑戦的なメタゲノムデータセットにおいて、metaSPAdesは他の最先端アセンブラと比べてどの程度のパフォーマンスを示すか？
• RQ4 metaSPAdesは、複雑な集団における低頻度および希少な微生物種を効果的に回復できるか？

主な発見

• metaSPAdesは、すべてのベンチマークデータセットにおいて、他のアセンブラと比較して顕著に高いN50値を達成しており、コンタイギの向上が示された。
• 希少種の回復において優れた性能を示し、他のツールと比較して低頻度の分類群を検出する感度が最大30%高いことが確認された。
• 高いアレル的変異と複雑な繰り返し領域を示すデータセットでは、metaSPAdesが既存のアセンブラと比較して誤ったアセンブリ率を最大40%まで低減した。
• シーケンシング深度や種の多様性の広い範囲にわたり、高いパフォーマンスを維持しており、耐障害性とスケーラビリティが確認された。