[논문 리뷰] The MetaSUB Microbiome Core Analysis Pipeline Enables Large Scale Metagenomic Analysis

David Danko, Chris Mason|arXiv (Cornell University)|2020. 09. 25.

Genomics and Phylogenetic Studies인용 수 9

한 줄 요약

메타서브 코어 분석 파이프라인(MetaSUB Core Analysis Pipeline, CAP)은 크라켄2, 휴먼너2, 메타스패이드스 등 기존에 잘 알려진 도구들을 통합하여 유일한 워크플로우로 만든 표준화되고 재현 가능한 대규모 메타게놈 분석 프레임워크이다. 이는 일관된 품질 관리, 분류군 및 기능 프로파일링, 게놈 크기 추정을 가능하게 하며, 주요 결과로 환경 미생물군집에서 평균 게놈 크기와 기능 프로파일 변동성 간에 약한 그러나 유의미한 상관관계(rho = 0.24, p < 2e-16)가 있음을 보여준다.

ABSTRACT

Motivation: Accurate data analysis and quality control is critical for metagenomic studies. Though many tools exist to analyze metagenomic data there is no consistent framework to integrate and run these tools across projects. Currently, computational analysis of metagenomes is time consuming, often misses potentially interesting results, and is difficult to reproduce. Further, comparison between metagenomic studies is hampered by inconsistencies in tools and databases. Results: We present the MetaSUB Core Analysis Pipeline (CAP) a comprehensive tool to analyze metagenomes and summarize the results of a project. The CAP is designed in a bottom up fashion to perform QC, preprocessing, analysis and even to build relevant databases and install necessary tools. Availability and Implementation: The CAP is available under an MIT License on GitHub at https://github.com/MetaSUB/CAP2 and on the Python Package Index. Documentation and examples are available on GitHub.

연구 동기 및 목표

• 연구 간 메타게놈 분석의 이질성 문제를 해결하기 위해 비표준적인 파이프라인 개발과 도구의 다양성으로 인한 문제를 해결하기 위해.
• 버전 관리가 되는 분석 프레임워크를 제공함으로써 메타게놈 연구의 마찰을 줄이고 재현 가능성을 향상시키기 위해.
• 데이터 처리, 도구 사용, 데이터베이스 관리의 통합을 통해 프로젝트 간 비교를 가능하게 하기 위해.
• 한 개의 파이프라인 내에서 분류군, 기능, 게놈 크기 프로파일링 등의 다양한 분석 도구를 통합함으로써 새로운 생태학적 통찰을 제공하기 위해.
• 최소한의 설정 변경으로도 도구와 데이터베이스를 쉽게 교체할 수 있도록 하는 유연하고 확장 가능한 프레임워크를 제공하기 위해.

제안 방법

• CAP는 모듈화된 구성 요소를 가진 파이썬 기반 파이프라인으로 구현되었으며, 각 모듈은 특정 분석 단계나 도구에 대응한다.
• 의존성 설치(PyPI/Conda를 통한 자동 설치) 및 데이터베이스 생성 또는 다운로드를 자동화하며, 기본적으로 버전 관리된 데이터베이스를 사용한다.
• 파이프라인은 다섯 단계로 구성된다: 품질 관리(FastQC, MultiQC), 사전처리(어댑터 제거, 숙주 DNA 제거, 오류 보정), 단일 서열 분석(Kraken2/Bracken을 통한 분류군, HUMANn2/Diamond을 통한 기능), 어셈블리(MetaSPAdes, MetaBAT2), 후처리 보고서.
• 버전 트리와 해시 기반 재현 가능성 기반의 다층적 버전 관리 시스템을 통해 모듈 버전, 상위 종속성, 하위 프로그램 버전을 추적한다.
• 분류군 및 기능 프로파일의 차원 감소를 위해 UMAP를 사용하여 관계를 시각화한다.
• CSV 형식의 프로젝트 수준 요약 보고서를 생성하며, 파이썬 API를 통해 프로그래밍 방식으로 접근이 가능하다.

실험 결과

연구 질문

• RQ1 표준화되고 재현 가능한 파이프라인이 대규모 메타게놈 연구의 일관성 향상과 마찰 감소에 기여할 수 있는가?
• RQ2 환경 미생물군집에서 분류군 및 기능 프로파일 간의 상관관계는 어느 정도로 나타나는가?
• RQ3 미생물 군집에서 추정된 평균 게놈 크기와 기능 능력 간에 측정 가능한 관계가 존재하는가?
• RQ4 버전 관리가 되는 모듈식 파이프라인이 메타게놈 분석에서 재현 가능성과 프로젝트 간 비교 가능성 향상에 기여하는 방식은 무엇인가?
• RQ5 통합된 다도구 분석이 단일 파이프라인 내에서 메타게놈 데이터에서 새로운 생태학적 관계를 드러낼 수 있는가?

주요 결과

• CAP는 도구 사용, 파일 구조, 버전 관리의 표준화를 통해 대규모 메타게놈 프로젝트 간 일관되고 재현 가능한 분석을 가능하게 한다.
• 1,521개의 환경 샘플에서 기능 프로파일의 두 번째 주요 성분과 추정된 평균 게놈 크기 사이에 약한 유의미한 상관관계(Spearman의 rho = 0.24, p < 2e-16)가 관찰되었다.
• UMAP로 시각화된 분류군 프로파일이 유사한 샘플들은 기능 프로파일도 유사한 경향을 보였으며, 이는 분류군과 기능 간에 검출 가능한 관계가 있음을 시사한다.
• 파이프라인은 PathoMAP 프로젝트의 1,521개 메타게놈 샘플을 최소한의 사용자 간섭으로 성공적으로 처리하여 확장성을 입증했다.
• 버전 트리와 해시 기반 추적 기능을 포함한 버전 관리 시스템은 파이프라인 실행 및 도구 버전의 완전한 재현 가능성을 보장한다.
• CAP는 사용자가 도구나 데이터베이스를 쉽게 교체할 수 있도록 하는 탄력적인 커스터마이제이션을 지원한다.