[論文レビュー] PhaBOX: A web server for identifying and characterizing phage contigs in metagenomic data

Jiayu Shang, Cheng Peng+3 more|arXiv (Cornell University)|Mar 28, 2023

Bacteriophages and microbial interactionsEnvironmental Science被引用数 3

ひとこと要約

PhaBOXは、最適化されたユーザーフレンドリーなツールを統合して、メタゲノムデータにおけるバクテリオファージのコンティグ同定、ライフスタイル予測、分類的分類、およびホスト予測を実行するウェブサーバーです。個々のツールを実行するのと比較して、エンドツーエンドのバクテリオファージ解析を40%高速化し、配列相同性やタンパク質構成図などの主要な特徴の可視化により、透明性があり解釈可能な結果を提供します。

ABSTRACT

Motivation: There is accumulating evidence showing the important roles of bacteriophages (phages) in regulating the structure and functions of the microbiome. However, lacking an easy-to-use and integrated phage analysis software hampers microbiome-related research from incorporating phages in the analysis. Results: In this work, we developed a web server, PhaBOX, which can comprehensively identify and analyze phage contigs in metagenomic data. It supports integrated phage analysis, including phage contig identification from the metagenomic assembly, lifestyle prediction, taxonomic classification, and host prediction. Instead of treating the algorithms as a black box, PhaBOX also supports visualization of the essential features for making predictions. The web server is designed with a user-friendly graphical interface that enables both informatics-trained and non-specialist users to analyze phages in microbiome data with ease. Availability: The web server of PhaBOX is available via: https://phage.ee.cityu.edu.hk. The source code of PhaBOX is available at: https://github.com/KennthShang/PhaBOX Contact: [e-mail]

研究の動機と目的

• メタゲノムデータにおけるバクテリオファージ解析のための統合的でユーザーフレンドリーなプラットフォームの不足に対処すること。
• 複数のスタンドアロンバクテリオファージ解析ツールのインストールおよび実行にかかる計算的・技術的負担を軽減すること。
• 配列相同性やタンパク質構成図などの予測特徴を可視化することで、予測結果の透明性と解釈可能性を提供すること。
• バイオインフォマティクスの専門家および非専門家が、効率的に包括的なバクテリオファージ特徴付けを実行できるようにすること。
• 最先端の手法を最適化して統合することで、解析の速度と正確性を向上させること。

提案手法

• PhaBOXは、Flaskベースのバックエンドと、JavaScript/CSS/Bootstrapベースのフロントエンドを備えたモジュラーなウェブアーキテクチャを採用しています。
• 4つのコアモジュール（バクテリオファージ同定：PhaMer、ライフスタイル予測：PhaTYP、分類的分類：PhaGCN、ホスト予測：CHERRY）を統合しています。
• 各モジュールは、アラインメントベースの手法とディープラーニングを組み合わせており、特にタンパク質配列パターン学習のためのトランスフォーマーと、知識グラフに基づく特徴抽出のためのグラフ畳み込みネットワーク（GCNs）を活用しています。
• 配列相同性はBlasterJS、タンパク質特徴はpViz、トポロジカル構造はRのPlotlyを用いて可視化しています。
• システムは、フルパイプライン実行と特定モジュールの選択的実行の両方をサポートしており、最適化されたデータベースクエリとマルチスレーディングによりパフォーマンスを向上させています。
• すべての予測結果および中間結果が保存され、ダウンロード可能となっており、ユーザーフレンドリーなインターフェースを通じてアクセス可能です。

実験結果

リサーチクエスチョン

• RQ1 統合型ウェブサーバーは、スタンドアロンツールと比較して、メタゲノムデータにおけるバクテリオファージコンティグの同定と特徴付けをより効率的に可能にするか？
• RQ2 PhaBOXは、ツールを逐次実行する場合と比較して、処理速度をどの程度向上させるか？
• RQ3 予測結果はどの程度透明性があり解釈可能か、特にタンパク質相同性や配列相同性といった主要な生物学的特徴の可視化の観点から評価するか？
• RQ4 PhaBOXは、短い配列や顕著に異なる配列を含む多様なデータセットにおいて、バクテリオファージのライフスタイル、分類、およびホスト範囲を正確に予測できるか？
• RQ5 PhaBOXのモジュラー設計は、バイオインフォマティクスの熟練度が異なる研究者による柔軟な利用をどのように支援するか？

主な発見

• 145個のサンプルにまたがる129,138個のコンティグについて、個々のツールを用いた解析に比べ、PhaBOXは合計解析時間を328分から216分に短縮し、40%の高速化を達成しました。
• プラットフォームは18家族にまたがる4,851個のバクテリオファージコンティグを同定し、211種の異なるホスト種に感染していることを示し、広範な検出能力を示しました。
• PhaBOXは、RefSeq、低相同性、メタゲノムデータを含むベンチマークデータセットにおいて、既存のツールを上回る高い正確性を達成し、バクテリオファージ同定、ライフスタイル予測、分類、ホスト予測の各分野で優れた性能を発揮しました。
• BlasterJS、pViz、Plotlyなどの可視化ツールの統合により、タンパク質相同性や配列相同性といった主要な特徴をユーザーが検査可能となり、解釈性が向上しました。
• システムはフル解析と特定モジュールの選択的実行をサポートしており、多様なユーザーのニーズに応じた柔軟性を提供しています。
• ウェブサーバーはhttps://phage.ee.cityu.edu.hkで公開されており、ソースコードはGitHubにホスティングされており、アクセス可能性と再現性を確保しています。