[논문 리뷰] CONCOCT: Clustering cONtigs on COverage and ComposiTion

Johannes Alneberg, Brynjar Smári Bjarnason외 7명|arXiv (Cornell University)|2013. 12. 14.

Genomics and Phylogenetic Studies참고 문헌 16인용 수 56

한 줄 요약

CONCOCT는 메타게놈 빈닝을 향상시키기 위해 k-머 composition, 다중 샘플 커버리지, 페어드 엔드 리드 연결성을 고려한 계산 도구이다. 이는 클러스터 수 선택을 위해 베이지안 정보 기준(BIC)을 사용하는 가우시안 혼합 모델(GMM)과 계층적 응집형 클러스터링을 활용한다. 복잡한 미생물 공동체, 특히 합성 및 실제 인간 장 메타게놈에서 높은 정밀도와 재현율로 게놈을 재구성할 수 있다.

ABSTRACT

Metagenomics enables the reconstruction of microbial genomes in complex microbial communities without the need for culturing. Since assembly typically results in fragmented genomes the grouping of genome fragments (contigs) belonging to the same genome, a process referred to as binning, remains a major informatics challenge. Here we present CONCOCT, a computer program that combines three types of information - sequence composition, coverage across multiple sample, and read-pair linkage - to automatically bin contigs into genomes. We demonstrate high recall and precision rates of the program on artificial as well as real human gut metagenome datasets.

연구 동기 및 목표

• 참고 게놈이 없이 동일한 게놈에서 유래한 컨티그가 분할되어 그룹화하기 어려운 메타게놈에서의 비지도 빈닝 도전 과제를 해결하기 위해.
• 다양한 증거(염기서열 구성, 다중 샘플 커버리지, 페어드 엔드 리드 연결성)를 통합하여 향상된 게놈 재구성에 기여하는 자동화, 확장성, 재현 가능한 방법을 개발하기 위해.
• 모델 선택(BIC)과 생물학적 일관성을 유지하는 연결 기반 융합 단계를 통해 잘못된 양성과 분할된 빈을 줄이기 위해.
• 균주 변이와 낮은 커버리지로 인해 어려움을 겪는 인간 장 미생물군집과 같은 복잡한 환경에서도 정확한 빈닝을 가능하게 하기 위해.

제안 방법

• CONCOCT는 다중 샘플 컨티그 커버리지를 k-머 구성과 통합하여 고차원 벡터를 생성하고, 이를 주성분 분석(PCA)을 통해 22차원으로 압축하여 정보의 90%를 유지한다.
• 감소된 차원 공간에서 전체 공분산 행렬을 사용하는 가우시안 혼합 모델(GMM)을 적용하여 컨티그를 클러스터링하고, 최적의 클러스터 수를 결정하기 위해 베이지안 정보 기준(BIC)을 사용한다.
• 계층적 응집형 클러스터링 단계에서 페어드 엔드 리드 연결성을 기반으로 클러스터를 융합하며, 상호 클러스터 연결성을 정량화하는 전이 행렬 $\mathcal{T}$ 와 프로파일 유사성을 보장하기 위한 커버리지 겹침 행렬 $\mathcal{O}$ 를 사용한다.
• 노이즈를 걸러내고 생물학적으로 의미 있는 융합을 보장하기 위해 연결 임계값 $l_m = 10$ 과 융합 임계값 $t_m = 0.05$ 및 $o_m = 0.8$ 를 사용한다.
• 사전 처리 전략을 통해 커버리지를 정규화하고 테트라머 빈도를 계산하여 각 컨티그에 대한 통합 프로파일을 생성한다.
• 알고리즘은 완전히 비지도이며 수동 조작이 필요 없어 재현 가능성과 다양한 샘플에 대한 확장성을 보장한다.

실험 결과

연구 질문

• RQ1 커버리지, 구성, 페어드 엔드 연결성을 통합함으로써, 복잡한 미생물 공동체에서 메타게놈 빈닝의 정확성과 완전성을 향상시킬 수 있는가?
• RQ2 BIC 기반 모델 선택을 사용하는 가우시안 혼합 모델이 기존의 비지도 빈닝 방법보다 정밀도와 재현율 측면에서 뛰어나게 성능을 발휘하는가?
• RQ3 연결 정보를 사용함으로써, 클러스터 간에 분리된 게놈이 얼마나 줄어들 수 있는가? 동시에 높은 정밀도를 유지할 수 있는가?
• RQ4 실제 인간 장 메타게놈 데이터셋에서 CONCOCT의 성능은 합성 모의 공동체와 비교해 어떻게 나타나는가?

주요 결과

• 64개의 인간 대변 샘플로 구성된 합성 모의 공동체에서 CONCOCT는 BIC를 사용해 56개의 클러스터를 예측하였고, 실제 41개의 게놈과 유사한 결과를 보이며 높은 정밀도와 재현율을 확보하였다.
• PCA 공간에서 높은 해상도의 클러스터링을 달성하였으며, 첫 번째 두 차원에서 종들이 명확하게 분리된 비중첩 클러스터를 형성하여 게놈 간의 강한 분리 가능성을 시사하였다.
• 페어드 엔드 리드 연결성 통합으로 인해 빈 분할이 감소하였고, 계층적 융합 단계가 GMM 클러스터링으로 인해 초기에 분리된 동일한 게놈의 컨티그를 성공적으로 재결합하였다.
• 525개 게놈의 97% 이상에 존재하는 36개의 보존된 COGs를 사용하여 최종 클러스터의 생물학적 일관성을 확인하였으며, 빈 내부에서 유전자 구성 일관성이 높았다.
• CONCOCT는 실제 인간 장 메타게놈에서 뛰어난 성능을 보였으며, 특히 복잡하고 고다양성의 공동체에서 기존 방법을 능가하는 정밀도와 재현율을 확보하였다.
• 높은 재현성과 확장성을 보였으며, 수동 조작 없이 두 개 이상의 샘플을 포함한 데이터셋에 적용 가능했다.