[논문 리뷰] Taxator-tk: Fast and Precise Taxonomic Assignment of Metagenomes by Approximating Evolutionary Neighborhoods

Johannes Dröge, Ivan Gregor외 1명|arXiv (Cornell University)|2014. 04. 03.

Genomics and Phylogenetic Studies참고 문헌 4인용 수 5

한 줄 요약

Taxator-tk는 유전자 서열 유사성에 기반해 진화적 이웃 관계를 근사화함으로써 메타게놈 서열의 분류학적 할당을 빠르고 정확하게 수행할 수 있는 소프트웨어 도구이다. 이 도구는 모든 분류학적 랭크와 서열 길이에서 높은 정밀도를 달성하며, 표준 10코어 시스템에서 RefSeq를 기준 자료로 사용하여 하루에 6GB의 데이터를 효율적으로 할당할 수 있으며, 마커 유전자 증폭이나 복사 수 변동성에 의한 편향 없이 작동한다.

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.

연구 동기 및 목표

• 다양한 진화적 거리 간의 메타게놈 서열에 대한 빠르고 정확한 분류학적 할당 방법을 개발하는 것.
• 기존 16S rRNA 기반 프로파일링에서 발생하는 마커 유전자 증폭 및 변동 복사 수에 의한 편향을 극복하는 것.
• 표준 컴퓨팅 하드웨어에서 대규모 메타게놈 데이터셋을 효율적으로 처리할 수 있도록 하는 것.
• 사전에 공동체 구성에 대한 지식 없이도 박테리아, 고세균, 진핵생물에 대한 정밀한 분류학적 분류를 동시에 수행하는 것.

제안 방법

• 완전한 계통수 재구성 없이도 진화적 이웃 관계를 근사화하기 위해 서열 유사성을 사용하는 방식.
• 쿼리 서열을 기준 게놈과 비교함으로써 진화적 이웃을 식별하기 위해 k-mer 기반 접근 방식을 적용하는 방식.
• 다중 코어 시스템에서 효율적으로 확장할 수 있도록 병렬화된 구현 방식을 사용하여 고속 처리를 가능하게 하는 방식.
• 분류학적 할당을 위한 기준 게놈 자료로 RefSeq 데이터베이스를 활용하는 방식.
• 기존 알려진 기준 서열과의 유사성에 기반해 분류 레이블을 계층적으로 전파하는 분류 전략을 통합하는 방식.
• 마커 유전자에 의존하지 않아 유전자 구성에 관계없이 어떤 시퀀스 조각이라도 직접 할당할 수 있도록 하는 방식.

실험 결과

연구 질문

• RQ1 서열 유사성만으로도 다양한 분류군에서 정확한 분류학적 할당을 가능하게 할 정도로 충분히 우수한 진화적 이웃 관계를 근사화할 수 있는가?
• RQ2 짧은 서열과 다양한 진화적 거리에서 Taxator-tk의 분류학적 할당 정확도는 어떻게 되는가?
• RQ3 정밀도를 희생시키지 않고도 표준 하드웨어에서 이 방법이 얼마나 효율적으로 확장 가능한가?
• RQ4 Taxator-tk는 마커 유전자 증폭이나 복사 수 변동성에 의한 편향 없이 박테리아, 고세균, 진핵생물 서열에 대해 신뢰성 있게 분류를 수행할 수 있는가?
• RQ5 대규모 메타게놈 데이터셋에서 기존 도구와 비교해 Taxator-tk의 처리 속도와 정확도는 어떻게 되는가?

주요 결과

• Taxator-tk는 모든 분류학적 랭크와 다양한 길이의 서열에서 고정밀도의 분류학적 할당을 달성하였다.
• 표준 10코어 시스템에서 미생물 RefSeq 데이터베이스를 사용하여 하루에 6GB의 서열 데이터를 할당하였다.
• 다양한 진화적 거리에서 뛰어난 성능을 보였으며, 짧은 서열에서도 정확도를 유지하였다.
• 프리미어 편향이나 마커 유전자 복사 수 변동성에 영향을 받지 않아 박테리아, 고세균, 진핵생물 공동체의 구성원을 효과적으로 식별하였다.
• 병렬화된 구현 방식 덕분에 특수 하드웨어 없이도 대규모 메타게놈 데이터셋을 효율적으로 처리할 수 있었다.
• 진화적 이웃 관계 근사화 기반의 접근 방식이 전통적인 마커 유전자 기반 방법보다 분류학적 커버리지와 일관성 면에서 뛰어난 성능을 보였다.