[논문 리뷰] Metagenomic Analysis using Phylogenetic Placement -- A Review of the First Decade

Lucas Czech, Alexandros Stamatakis외 2명|arXiv (Cornell University)|2022. 02. 07.

Genomics and Phylogenetic Studies참고 문헌 296인용 수 59

한 줄 요약

이 리뷰는 메타게놈 분석에서 계통발생적 배치의 첫 10년을 종합적으로 정리하며, 원시 서열에서 발표 가능한 결과에 이르는 포괄적인 워크플로우를 제시한다. 쿼리 서열을 기준 계통발생수업에 배치하는 방식이 분류학적 할당, 다양성 추정, 생태학적 추론을 향상시키는 방식을 설명하면서도, 잠재적 문제점을 다루고 환경적 메타데이터와의 통합을 가능하게 한다.

ABSTRACT

Phylogenetic placement refers to a family of tools and methods to analyze, visualize, and interpret the tsunami of metagenomic sequencing data generated by high-throughput sequencing. Compared to alternative (e. g., similarity-based) methods, it puts metabarcoding sequences into a phylogenetic context using a set of known reference sequences and taking evolutionary history into account. Thereby, one can increase the accuracy of metagenomic surveys and eliminate the requirement for having exact or close matches with existing sequence databases. Phylogenetic placement constitutes a valuable analysis tool per se, but also entails a plethora of downstream tools to interpret its results. A common use case is to analyze species communities obtained from metagenomic sequencing, for example via taxonomic assignment, diversity quantification, sample comparison, and identification of correlations with environmental variables. In this review, we provide an overview over the methods developed during the first ten years. In particular, the goals of this review are (i) to motivate the usage of phylogenetic placement and illustrate some of its use cases, (ii) to outline the full workflow, from raw sequences to publishable figures, including best practices, (iii) to introduce the most common tools and methods and their capabilities, (iv) to point out common placement pitfalls and misconceptions,(v) to showcase typical placement-based analyses, and how they can help to analyze, visualize, and interpret phylogenetic placement data.

연구 동기 및 목표

• 메타게놈 분석에 응용된 지 10년간 개발된 계통발생적 배치 방법에 대한 체계적인 개요 제공.
• 유사성 기반 방법에 비해 분류학적 할당 및 진화적 맥락 해소에서의 우수성을 입증함으로써 계통발생적 배치의 도입을 촉진.
• 서열 처리에서 시각화 및 배치 데이터의 해석에 이르기까지 종단간 워크플로우의 최적 실천 방법 제시.
• 계통발생적 배치 분석에서 흔히 발생하는 오해와 방법론적 함정을 규명.
• 다양성 추정, 샘플 간 비교, 환경 메타데이터 통합을 포함한, 계통발생적 배치 데이터를 활용한 후속 분석 방법을 시연.

제안 방법

• 기준 계통발생수업(RT)의 분지에서 쿼리 서열의 우도를 최대우도(ML) 기반으로 계산하여 확률적 배치를 가능하게 한다.
• 기준 서열(RSs)의 기준 정렬(RA)을 활용해 RT를 유추하고 배치 우도 계산을 지원한다.
• 배치 신뢰도를 정량화하기 위해 우도 가중비율(LWR)을 적용하며, 각 쿼리 서열에 대해 모든 분지에서 LWR 값의 합이 1이 되도록 한다.
• 에지 상관관계 및 배치 인화(Placement-Factorization)와 같은 방법을 통해 환경 메타데이터와의 통합을 통해 계통군 빈도와 환경 변수 간의 연관성을 탐지한다.
• 클러스터링 및 순서화 기법(예: k-means, 계층적 클러스터링)을 배치 분포에 적용하여 공동체 구성과 샘플 간 관계를 시각화한다.
• 일반선형모형(GLMs)을 배치 인화에서 활용하여 수치형, 이진형, 범주형 메타데이터 유형과 계통군 수준의 빈도 패턴 간의 관계를 모델링한다.

실험 결과

연구 질문

• RQ1 메타게놈 조사에서 계통발생적 배치는 얼마나 더 정확한 분류학적 할당을 제공하는가? 특히 유사성 기반 방법과 비교했을 때.
• RQ2 원시 시퀀싱 리드에서부터 완전한 계통발생적 배치 워크플로우를 구성하는 데 필요한 핵심 방법론 단계와 최적 실천 방법은 무엇인가?
• RQ3 어떻게 배치 데이터를 활용하여 여러 샘플 간의 종 다양성, 공동체 구성 및 생태적 패턴을 추론할 수 있는가?
• RQ4 계통발생적 배치에서 주요 오류 원인과 오해 요소는 무엇이며, 어떻게 이를 완화할 수 있는가?
• RQ5 계통발생적 배치 데이터는 어떤 방식으로 환경 메타데이터와 의미 있는 방식으로 연결될 수 있으며, 이를 통해 미생물 공동체 구조의 생태학적 원인을 밝힐 수 있는가?

주요 결과

• 계통발생적 배치 방법은 진화적 역사를 통합함으로써 분류학적 할당 정확도를 크게 향상시키며, 유사성 기반 방법에서 발생하는 잘못된 양성 결과를 줄인다.
• 고품질 기준 서열에서 유도된 기준 수목과 정렬을 활용하면, 데이터베이스에 가까운 매칭 서열이 없는 쿼리 서열에 대해서도 견고한 배치를 가능하게 한다.
• 배치 인화는 환경 변수와 빈도가 상관관계가 있는 계통군을 성공적으로 식별하여, 생태학적 데이터의 중첩된 의존성 구조를 탐지할 수 있다.
• 에지 상관관계 방법은 pH 또는 온도와 같은 환경 변수와 강하게 상관관계가 있는 트리 영역을 효과적으로 시각화한다.
• 메서드 프레임워크는 메타데이터 기반 신호에 따라 트리를 중첩된 계통군으로 분해함으로써 차원 축소 및 샘플 순서화를 지원한다.
• 비록 장점이 많지만, 특히 누락된 기준 서열와 기술되지 않은 새로운 분류군을 구분하는 데 표준화된 평가 지표가 부족하다.