[논문 리뷰] Assembling large, complex environmental metagenomes

Adina Howe, Janet Jansson외 4명|arXiv (Cornell University)|2012. 12. 12.

Genomics and Phylogenetic Studies참고 문헌 23인용 수 7

한 줄 요약

이 논문은 디지털 정규화와 분할 기반의 확장 가능한 신디카 메타게놈 어셈블리 파이프라인을 제시한다. 이는 계산 부담을 줄이면서도 유전자 복원도 유지한다. 인간 장 및 토양 메타게놈에 적용한 결과, 필터링되지 않은 어셈블리와 95% 이상의 유사성을 확보했으며, 기능적 프로파일이 유사한 옥수수 및 초원 토양 간에 상당한 계통발생적 차이를 드러냈다.

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.

연구 동기 및 목표

• 높은 데이터 볼륨과 다양성으로 인해 대규모 복잡한 환경 메타게놈을 어셈블링하는 데 계산적으로 비현실적인 문제를 해결하기 위해.
• 디지털 정규화와 분할을 통한 사전 어셈블리 필터링이 필터링되지 않은 어셈블리와 비교해도 유전자 내용과 정확도를 유지하는지 평가하기 위해.
• 기존 어셈블러가 필터링되지 않은 데이터에서 실패하는 대규모 토양 메타게놈, 특히 일리노이 주의 옥수수 및 원시 초원 토양에서의 *de novo* 어셈블리 가능성을 확보하기 위해.
• 기능적 잠재력이 유사한 두 생태적으로 다른 토양 간에 어셈블된 컨티그의 기능적 및 계통발생적 구성 비교하기 위해.

제안 방법

• 디지털 정규화는 반복적인 고카피티 리드를 기각함으로써 시퀀싱 깊이를 줄여 계산 효율성과 오류 수정을 향상시킨다.
• 분할은 전이적 연결성 기반으로 어셈블리 그래프를 더 작은 연결된 구성요소로 나누어 병렬적이고 확장 가능한 어셈블리를 가능하게 한다.
• 이 파이프라인은 Velvet, SOAPdenovo, Meta-IDBA 등의 어셈블러를 사용해 모의 및 실제 환경 데이터셋에서 *de novo* 어셈블리 이전에 이러한 필터를 적용한다.
• 어셈블리 품질은 참조 게놈에 대한 컨티그 복원도, 리드 매핑 비율, 그리고 필터링 및 비필터링 데이터셋에서의 농도 추정치를 비교하여 검증한다.
• 계통발생적 및 기능적 주석은 SEED 서브시스템에서 유래하여 토양 메타게놈 간의 분류학적 및 기능적 프로파일을 비교한다.
• 통계적 검증은 참조 게놈 커버리지에 대비해 필터링 및 비필터링 어셈블리에서의 농도 추정치를 비교하기 위해 대응 t-검정을 사용한다.

실험 결과

연구 질문

• RQ1 디지털 정규화와 분할이 대규모 메타게놈 데이터셋에서 계산 부담을 줄이면서도 유전자 내용과 어셈블리 정확도를 유지할 수 있는가?
• RQ2 필터링된 어셈블리와 비필터링 어셈블리 간에 參考 게놈 복원도 및 컨티그 길이 분포에 있어 어떤 차이가 있는가?
• RQ3 기능적 프로파일이 유사한 일리노이 주의 옥수수 및 초원 토양 메타게놈 간에 계통발생적 기원에 있어 어느 정도의 차이가 있는가?
• RQ4 제안된 파이프라인이 비필터링 형태로 처리가 불가능한 대규모 복잡한 토양 메타게놈을 성공적으로 어셈블링할 수 있는가?
• RQ5 필터링된 어셈블리에서의 농도 추정치가 예상값에 비해 비필터링 어셈블리보다 유의미하게 더 정확한가?

주요 결과

• 디지털 정규화와 분할로 인해 데이터셋 크기가 40% 감소(590만 개 리드 제거)했지만, 참조 게놈 커버리지의 91%를 유지했으며, 비필터링 데이터셋의 93%와 유사했다.
• 필터링된 어셈블리에서 참조 게놈의 43–45%가 복원되었으며, 다양한 어셈블러를 통해 비필터링 어셈블리와 95%의 유사한 유전자 내용을 확보했다.
• 비필터링된 일리노이 주의 옥수수 및 초원 토양 데이터셋은 기존 도구로는 어셈블리가 불가능했지만, 필터링/분할된 어셈블리에서는 각각 180만~310만 개의 컨티그를 성공적으로 생성했다.
• 계통발생적 구성에 상당한 차이가 있었음에도 불구하고, 일리노이 주의 옥수수 및 초원 토양 메타게놈의 기능적 프로파일은 매우 유사했으며, SEED 서브시스템 주석에서 98%의 유사성을 보였다.
• 리드 매핑 결과, 옥수수 토양에서 9.7%의 페어 엔드 리드와 8.4%의 싱글 엔드 리드, 초원 토양에서 11.2%의 페어 엔드 리드와 9.5%의 싱글 엔드 리드가 어셈블된 컨티그에 대응했다.
• 일측 대응 t-검정 결과, 필터링된 어셈블리에서의 농도 추정치가 예측된 참조 농도에 유의미하게 더 가까웠다(p = 0.032), 정확도 향상이 확인되었다.