[論文レビュー] Taxator-tk: Fast and Precise Taxonomic Assignment of Metagenomes by Approximating Evolutionary Neighborhoods

Johannes Dröge, Ivan Gregor+1 more|arXiv (Cornell University)|Apr 3, 2014

Genomics and Phylogenetic Studies参考文献 4被引用数 5

ひとこと要約

Taxator-tk は、配列相同性を用いて進化的近傍を近似することで、メタゲノム配列の系統的分類を高速かつ正確に行うソフトウェアツールです。RefSeq をリファレンスとして使用した場合、10コアのシステムで1日あたり6 GB のデータを効率的に処理し、マーカー遺伝子の増幅やコピー数変動によるバイアスなしに、あらゆる系統的ランクおよび配列長において高い正確性を達成しています。

ABSTRACT

Metagenomics characterizes microbial communities by random shotgun sequencing of DNA isolated directly from an environment of interest. An essential step in computational metagenome analysis is taxonomic sequence assignment, which allows us to identify the sequenced community members and to reconstruct taxonomic bins with sequence data for the individual taxa. We describe an algorithm and the accompanying software, taxator-tk, which performs taxonomic sequence assignments by fast approximate determination of evolutionary neighbors from sequence similarities. Taxator-tk was precise in its taxonomic assignment across all ranks and taxa for a range of evolutionary distances and for short sequences. In addition to the taxonomic binning of metagenomes, it is well suited for profiling microbial communities from metagenome samples becauseit identifies bacterial, archaeal and eukaryotic community members without being affected by varying primer binding strengths, as in marker gene amplification, or copy number variations of marker genes across different taxa. Taxator-tk has an efficient, parallelized implementation that allows the assignment of 6 Gb of sequence data per day on a standard multiprocessor system with ten CPU cores and microbial RefSeq as the genomic reference data.

研究の動機と目的

• 多様な進化的距離をカバーするメタゲノム配列の迅速かつ正確な系統的分類手法の開発。
• 従来の16S rRNAベースのプロファイリングで生じるマーカー遺伝子の増幅や変動するコピー数に起因するバイアスの解消。
• 標準的なコンピューティングハードウェア上で大規模メタゲノムデータセットを効率的に処理すること。
• コミュニティ構成の事前知識がなくても、細菌、古細菌、真核生物を同時に高精度で系統ビニングすること。

提案手法

• 完全な系統樹再構築を避けるために、進化的近傍を配列相同性によって近似する。
• クエリ配列をリファレンスゲノムと比較することで、k-mer を用いたアプローチにより進化的近縁者を同定する。
• マルチコアシステムにスケーラブルに適応する並列化実装を採用し、高スルーレート処理を実現する。
• 系統的分類のためのリファレンスゲノムリソースとして RefSeq データベースに依存する。
• 既知のリファレンス配列との類似性に基づいて系統的ラベルを伝搬する階層的分類戦略を統合する。
• マーカー遺伝子に依存しないため、遺伝子内容に関係なく、任意の配列断片を直接分類可能である。

実験結果

リサーチクエスチョン

• RQ1 配列相同性のみで進化的近傍を十分に近似でき、多様な分類群にわたる正確な系統的分類が可能かどうか。
• RQ2 短い配列や多様な進化的距離をカバーする場合、Taxator-tk の系統的分類精度はどの程度か。
• RQ3 正確性を損なわず、標準的なハードウェア上でどの程度効率的にスケーリングできるか。
• RQ4 マーカー遺伝子の増幅やコピー数変動によるバイアスなしに、細菌、古細菌、真核生物の配列を信頼性高く分類できるか。
• RQ5 大規模メタゲノムデータセットにおいて、既存のツールと比較して、速度と正確性の両面で Taxator-tk はどの程度優れているか。

主な発見

• Taxator-tk は、あらゆる系統的ランクおよび異なる長さの配列において、高い正確性を示した。
• 標準の10コアシステムを用い、微生物の RefSeq データベースをリファレンスとして、1日あたり6 GB の配列データを処理した。
• 多様な進化的距離にわたって優れた性能を発揮し、短い配列に対しても正確性を維持した。
• プライマーのバイアスやマーカー遺伝子のコピー数変動に影響されず、細菌、古細菌、真核生物のコミュニティメンバーを効果的に同定できた。
• 並列化実装により、特別なハードウェアを必要とせず、大規模メタゲノムデータセットを効率的に処理できた。
• 進化的近傍の近似に基づくアプローチは、従来のマーカー遺伝子ベースの手法に比べ、系統的カバレッジと一貫性の面で優れた性能を示した。