[논문 리뷰] MetaPalette: A $k$-mer painting approach for metagenomic taxonomic profiling and quantification of novel strain variation

David Koslicki, Daniel Falush|arXiv (Cornell University)|2016. 02. 17.

Genomics and Phylogenetic Studies인용 수 4

한 줄 요약

MetaPalette는 메타게놈 분류학적 프로파일링을 위한 k-머 페인팅 기반 접근법을 제안하며, 긴 k-mers(k=30,50)를 사용하여 샘플의 k-머 빈도를 기준으로 참조 생물체의 팔레트와 매칭함으로써 새로운 병변 수준의 변이를 정확하게 탐지하고 정량화할 수 있도록 한다. 이 방법은 분류학적 프로파일링에서 최고의 정확도를 달성하며, 가짜 생물체를 포함한 선형 혼합 모델을 통해 진화적 관련성을 재구성하여, 존재하지 않는 유사한 병변을 탐지하는 데 기존 방법들을 능가한다.

ABSTRACT

Metagenomic profiling is challenging in part because of the highly uneven sampling of the tree of life by genome sequencing projects and the limitations imposed by performing phylogenetic inference at fixed taxonomic ranks. We present the algorithm MetaPalette which uses long $k$-mer sizes ($k=30, 50$) to fit a $k$-mer "palette" of a given sample to the $k$-mer palette of reference organisms. By modeling the $k$-mer palettes of unknown organisms, the method also gives an indication of the presence, abundance, and evolutionary relatedness of novel organisms present in the sample. The method returns a traditional, fixed-rank taxonomic profile which is shown on independently simulated data to be one of the most accurate to date. Tree figures are also returned that quantify the relatedness of novel organisms to reference sequences and the accuracy of such figures is demonstrated on simulated spike-ins and a metagenomic soil sample. The software implementing MetaPalette is available at: https://github.com/dkoslicki/MetaPalette. Pre-trained databases are included for Archaea, Bacteria, Eukaryota, and viruses.

연구 동기 및 목표

• 기준 데이터베이스에 포함되어 있지 않은 새로운 유사한 생물체를 포함한 메타게놈 샘플을 프로파일링하는 데 도전하는 것.
• 기타 생물체의 k-머 팔레트를 모델링하여 속, 종 수준을 넘어서 병변 수준의 분류학적 해상도를 향상시키는 것.
• 기타 생물체의 유무와 진화적 관련성을 기반으로 기준 서열에 대한 기초로 정량화하는 방법을 개발하는 것.
• 표적 유전자 기반 방법과 k-머 빈도 접근법이 극도로 유사한 병변을 탐지하지 못하는 한계를 극복하는 것.
• LCA 기반 매핑을 사용하여 가짜 생물체를 분류계층에 통합하는 탄력적이고 생물학적으로 타당한 분류 할당 방법을 제공하는 것.

제안 방법

• 각 기준 생물체의 게놈에서 모든 k-mers(k=30,50)를 세어 k-머 팔레트를 구성한다.
• 메타게놈 샘플의 k-머 구성은 기준 생물체 팔레트와 다양한 유전적 거리에서의 가짜 생물체 팔레트의 선형 혼합으로 모델링한다.
• 비음수 최소 제곱 최적화에 Tikhonov 정규화(Tikhonov 파라미터 λ=200)를 적용하여 각 기준 및 가짜 생물체의 유량을 추정한다.
• 알고리즘은 희박하고 비음수 해를 사용하여 샘플의 k-머 프로파일에 기여한 가장 가능성이 높은 기여자 집합을 식별한다.
• 분류학적 할당은 해 벡터의 비영 성분을 가장 가까운 기준 생물체의 최소공통조상(LCA)에 매핑하여 생물학적으로 의미 있는 랭크 할당을 가능하게 한다.
• 이 방법은 여러 k-머 크기를 지원하며 기준 데이터베이스의 모든 k-mers를 활용하여 고유하거나 표적 k-mers에 의존하지 않는다.

실험 결과

연구 질문

• RQ1 긴 k-mers(k=30,50)를 사용한 k-머 페인팅 접근법이 기준 데이터베이스에 존재하지 않는 새로운 병변 수준의 변이를 정확하게 프로파일링할 수 있는가?
• RQ2 가짜 생물체를 포함한 선형 혼합 모델을 사용할 경우, 기준 서열에 비해 기술되지 않은 생물체의 유량과 진화적 관련성을 얼마나 잘 정량화할 수 있는가?
• RQ3 가짜 생물체를 포함한 선형 혼합 모델은 고정 랭크 또는 표적 기반 방법에 비해 분류학적 해상도를 향상시키는가?
• RQ4 이 방법은 고정된 정확도를 유지하면서도 새로운 생물체에 대한 신뢰할 수 있는 계통수를 생성할 수 있는가?
• RQ5 MetaPalette의 성능은 시뮬레이션 및 실제 메타게놈 데이터에서 극도로 유사한 병변을 탐지하고 정량화하는 데 기존 방법들과 비교해 어떻게 나타나는가?

주요 결과

• MetaPalette는 독립적으로 시뮬레이션된 데이터에서 기존 방법들을 능가하는 최고 수준의 정확도를 달성하여, 최신 기준의 분류학적 프로파일링을 이룬다.
• 스피이크인 실험에서 50K개의 시뮬레이션 독서를 사용하여 기준 병변으로부터 최대 30%의 유전적 이질성을 가진 새로운 생물체를 성공적으로 탐지하고 정량화하였다.
• 시뮬레이션된 토양 메타게놈 샘플에서 MetaPalette는 정확하게 진화적 관련성을 재구성하였으며, 이웃 조합 트리에서 올바른 클러스터링에 대해 최소 50% 이상의 부트스트랩 지지도를 보였다.
• 알고리즘은 LCA 기반 방법을 사용하여 분류학적 랭크를 정확히 할당하였으며, 고정 랭크와 LCA 매핑을 융합한 하이브리드 접근법으로 민감도와 특이도가 향상되었다.
• 바이러스, 박테리아, 고세균, 진핵생물 강의 경우 MetaPalette는 모든 영역에서 높은 정확도를 유지하였으며, HMP 모의 공동체 스플라이스 실험에서 새로운 생물체 탐지에 일관된 성능을 보였다.
• 긴 k-mers(k=50)의 사용은 기준 생물체와 거리가 먼 경우에도 높은 특이성과 강력한 병변 수준의 변이 탐지 능력을 제공하였다.